Agent-MCP

🚀 高级工具提示：本框架专为需要复杂多智能体编排能力的资深 AI 开发者设计。Agent-MCP 要求使用者熟悉 AI 编码工作流、MCP 协议以及分布式系统概念。我们正在积极改进文档和易用性。如果您是 AI 辅助开发的新手，建议先从更简单的工具入手，待需要高级多智能体能力时再行尝试。

💬 加入社区：通过 Discord 与我们联系，获取帮助、分享经验，并与其他构建多智能体系统的开发者交流协作。

用于协同 AI 软件开发的多智能体协作协议（Multi-Agent Collaboration Protocol）。

可以将 Agent-MCP 想象成专属于你 AI 智能体的 Obsidian —— 这是一个动态的知识图谱，多个 AI 智能体通过共享上下文、智能任务管理和实时可视化进行协作。观察你的代码库随着多个专业智能体并行工作而不断演进，且永远不会丢失上下文或产生重复作业。

为什么需要多个智能体？

除了理论层面的讨论，传统的 AI 编程助手在实际应用中遇到了局限性：

• 大型代码库导致 Context Window（上下文窗口）溢出
• 会话间 知识丢失
• 单线程执行导致性能瓶颈
• 缺乏专业化 —— 单个智能体试图处理所有事情
• 因上下文丢失和混淆而导致的 持续返工

多智能体解决方案

Agent-MCP 将 AI 开发模式从单一助手转变为协同团队：

实时可视化功能展示了 AI 团队的工作状态 —— 紫色节点代表上下文条目，蓝色节点代表智能体，连线展示了正在进行的协作。这就像为你开发团队配备了一个任务控制中心。

核心能力

并行执行 多个专业智能体同时处理代码库的不同部分。后端智能体处理 API，同时前端智能体构建 UI 组件，所有工作均通过共享内存进行协调。

持久化知识图谱 你项目的完整上下文存储在一个可搜索的持久化内存库中。智能体通过查询这些共享知识来理解需求、架构决策和实现细节。会话之间不会丢失任何信息。

智能任务管理 监控每个智能体的状态、分配的任务和近期活动。系统会自动管理任务依赖关系，防止冲突，并确保工作流程从规划到实现平稳进行。

快速入门

Python 实现（推荐）

# 克隆项目并设置
git clone https://github.com/rinadelph/Agent-MCP.git
cd Agent-MCP

# 检查版本要求
python --version  # 应 >=3.10
node --version    # 应 >=18.0.0
npm --version     # 应 >=9.0.0

# 如果使用 nvm 管理 Node.js 版本
nvm use  # 使用 .nvmrc 中指定的版本

# 配置环境
cp .env.example .env  # 添加你的 OpenAI API key
uv venv
uv install

# 启动服务器
uv run -m agent_mcp.cli --port 8080 --project-dir path-to-directory

# 启动仪表盘（推荐以获得完整体验）
cd agent_mcp/dashboard && npm install && npm run dev

Node.js/TypeScript 实现（备选）

# 克隆项目并设置
git clone https://github.com/rinadelph/Agent-MCP.git
cd Agent-MCP/agent-mcp-node

# 安装依赖
npm install

# 配置环境
cp .env.example .env  # 添加你的 OpenAI API key

# 启动服务器
npm run server

# 或使用构建版本
npm run build
npm start

# 或全局安装
npm install -g agent-mcp-node
agent-mcp --port 8080 --project-dir path-to-directory

MCP 集成指南

什么是 MCP？

Model Context Protocol (MCP) 是一个开放标准，使 AI 助手能够安全地连接到外部数据源和工具。Agent-MCP 利用 MCP 与各种开发工具和服务进行无缝集成。

将 Agent-MCP 作为 MCP Server 运行

Agent-MCP 可以作为 MCP Server 运行，将其多智能体能力暴露给兼容 MCP 的客户端，如 Claude Desktop、Cline 以及其他 AI 编码助手。

快速 MCP 设置

# 1. 安装 Agent-MCP
uv venv
uv install

# 2. 启动 MCP server
uv run -m agent_mcp.cli --port 8080

# 3. 配置你的 MCP 客户端以连接至:
# HTTP: http://localhost:8000/mcp
# WebSocket: ws://localhost:8000/mcp/ws

MCP Server 配置

创建一个 MCP 配置文件（mcp_config.json）：

{
  "server": {
    "name": "agent-mcp",
    "version": "1.0.0"
  },
  "tools": [
    {
      "name": "create_agent",
      "description": "Create a new specialized AI agent"
    },
    {
      "name": "assign_task",
      "description": "Assign a task to a specific agent"
    }
  ]
}