AI导哈

智能多代理路由服务

一个轻量级的MCP服务器，作为AI编码代理的路由智能层，分析请求并指导主代理使用最佳工具。

  • by carlosduplar
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 carlosduplar/multi-agent-mcp

使用说明

标题：委托MCP 表情符号🚀 颜色来源：蓝色 颜色To：紫色 sdk:docker 固定：false 许可证：mit short_description：智能多代理路由与引导 标签：

  • mcp服务器
  • 建设mcp轨道企业
  • 多代理
  • 代理编排

🚀 委托MCP服务器

智能多代理路由与引导

为MCP一岁生日黑客马拉松而建-2025年冬季

⚡ 快速开始

# One command to install and configure everything
python install.py

就是这样！ 重新启动Claude Code并开始委派：

"scan this codebase for security vulnerabilities"
→ MCP suggests: "Delegate to Gemini"
→ Claude executes: gemini scan .

"design an authentication architecture"
→ MCP suggests: "Handle directly (Claude is best)"
→ Claude executes: (Internal reasoning)

"refactor the delegation engine"
→ MCP suggests: "Delegate to Aider"
→ Claude executes: aider --message "refactor delegation engine"

特性:

  • ✅ 一个命令安装 -30秒完成设置
  • ✅ 智能路由 -规则+能力分析
  • ✅ 隐私第一 -您的代码永远不会通过此服务器
  • ✅ 轻量级 -占用空间最小，没有繁重的数据库
  • ✅ 跨平台 -Windows、Mac、Linux

🎮 尝试交互式演示

体验路由智能的实际应用！我们的HF Space演示让您：

交互功能：

  • 🧪 测试任何查询 -实时查看路由决策
  • 📊 路由透明度 -查看完整的决策过程：
    • 任务分类（安全、架构、重构等）
    • 复杂性评估（简单/中等/复杂）
    • 检测到的关键字和路由推理
    • 将要执行的CLI命令
  • ⚙️ 实时配置 -切换代理和路由策略，查看设置如何影响决策
  • 💡 查询示例 -简单和复杂的多步骤场景

试试这个：

  1. 访问 HF空间
  2. 输入： 审核身份验证系统是否存在SQL注入、XSS和CSRF漏洞
  3. 用完整的推理观察它通往双子座的路线
  4. 在设置中禁用Gemini→ 看看去克劳德的路线吧！

想用真实的代理人进行测试吗？ 复制空间并添加您的API密钥！

🌟 这是什么？

A. 轻量级MCP服务器 它充当AI编码代理的路由智能层。它不会自己执行任务（这会造成瓶颈和安全风险），而是分析您的请求并 指南 您的主代理（如Claude Code）在哪个工具上使用。

关键洞察：这是继 路线指引 图案：

  1. 分析：服务器分析提示（例如“审计安全”）。
  2. 路线：它根据您的需求确定最佳代理 预设 和 规则.
  3. 指南：它返回 精确命令 跑步。
  4. 执行：客户端（Claude）直接执行命令。

这确保了 零锁定, 最大隐私，以及 本地性能.

🎯 核心价值主张

问题

开发人员手动在AI代理之间切换，失去了上下文和生产力：

  • 克劳德建筑
  • Gemini用于安全分析
  • git操作助手
  • GitHub集成副本

解决方案

一台MCP服务器，告诉您的代理人打电话给谁：

You → Claude Code → Delegation MCP → "Use Gemini for this" → Claude calls Gemini

你与一个代理合作，但获得了所有代理的力量。

📦 安装

先决条件

  • Python 3.10+
  • 至少安装了一个AI代理CLI：

自动安装（推荐）

# Clone repository
git clone https://github.com/carlosduplar/multi-agent-mcp.git
cd multi-agent-mcp

# One-command install
python install.py

# Or on Unix/Mac
bash install.sh

安装程序将：

  1. 检查系统要求
  2. 发现已安装的代理
  3. 自动配置Claude代码
  4. 验证一切正常

重新启动Claude Code，你就准备好了！

🎯 运作原理

智能路由指引

我们使用混合方法来确定作业的最佳代理：

  1. 基于规则的预设：您配置的规则具有优先权（例如，“始终使用Gemini进行安全保护”）。
  2. 能力分析：如果没有规则匹配，我们会分析代理能力以找到最佳匹配。

查询：“扫描漏洞”

  1. 检查规则：比赛 security_audit 预设？ -> 双子座
  2. 指南：返回指南以使用Gemini

交互示例

用户：“审核SQL注入的身份验证码”

克劳德代码 电话 get_routing_guidance:

{
  "query": "Audit auth.py for SQL injection"
}

MCP服务器 回答：

{
  "decision": "DELEGATE_TO: gemini",
  "agent": "gemini",
  "task_type": "security_audit",
  "cli_command": "gemini \"Audit auth.py for SQL injection\""
}

克劳德代码 然后执行：

gemini "Audit auth.py for SQL injection"

🔧 MCP工具

get_routing_guidance

获取任务的路线指南。返回哪个代理应该处理它以及要运行的确切CLI命令。

{
  "query": "Audit auth.py for SQL injection"
}

discover_agents

自动发现系统上可用的CLI代理并注册它们。

{
  "force_refresh": false  # Optional: force re-discovery
}

list_agents

列出所有已注册的代理及其可用性状态。

⚡ 代币开销

这种MCP服务器的一个关键优势是 最小上下文占用空间。以下是实际的令牌使用情况：

MCP Tools:
├─ get_routing_guidance: 601 tokens
├─ discover_agents:      584 tokens
└─ list_agents:          554 tokens
                         ─────────
Total MCP overhead:      1,739 tokens (0.9% of 200k context)

这意味着什么:

  • ✅ 不到您上下文预算的1%
  • ✅ 为实际代码和对话留出99%以上的空间
  • ✅ 没有繁重的提示或臃肿的说明
  • ✅ 不牺牲上下文的智能路由

与此相比，运行多个代理实例或复杂的编排框架可能会消耗10-20%的上下文，仅仅是为了协调开销。

🏗️ 建筑

┌─────────────────────────────────────────┐
│  Claude Code (or other MCP client)      │
│  - User chats here                      │
│  - Calls get_routing_guidance           │
│  - EXECUTES the returned command        │
└──────────────┬──────────────────────────┘
               │ MCP Protocol (stdio)
               ▼
┌──────────────────────────────────────────┐
│  Delegation MCP Server                   │
│  - Analyzes task complexity & type       │
│  - Checks rules & capabilities           │
│  - Returns guidance (NO EXECUTION)       │
└──────────────────────────────────────────┘

v0.4.0-轻量级架构

隐私和安全:

  • 无代码执行：服务器从不执行代码或命令。这只是暗示他们。
  • 无数据持久性：服务器不保存任何数据库或代码日志。
  • 直接连接：您的代理人直接与委托工具（例如，Claude->Gemini）交谈。

代理自动发现:

  • 自动检测已安装的CLI代理（Claude、Gemini、Aider等）
  • 验证代理可用性
  • 优雅的错误处理

🗂️ 项目结构

multi-agent-mcp/
├── src/delegation_mcp/
│   ├── server.py              # MCP server (Routing Guidance) ⭐
│   ├── delegation.py          # Routing logic & scoring
│   ├── orchestrator.py        # Agent registry
│   ├── agent_discovery.py     # System scanner for agents
│   ├── tool_discovery.py      # Tool definitions
│   ├── config.py              # Configuration handling
│   ├── cli.py                 # CLI tools
│   └── adapters/              # Agent definitions
│       ├── claude.py
│       ├── gemini.py
│       ├── copilot.py
│       └── aider.py
├── tools/                     # Tool definitions (JSON)
├── tests/                     # Comprehensive tests
└── config/                    # Default delegation rules

🚀 路线图

✅ 第一阶段：基础（完成）

  • 带路由引导的MCP服务器
  • 基于能力的路由
  • 代理自动发现
  • 生产级架构

🔜 第二阶段：情报（2026年第一季度）

  • ML供电路由
  • 从用户反馈中学习
  • 自定义代理定义

🔮 第三阶段：合作（2026年第二季度）

  • 复杂的多步骤工作流程
  • 并行代理执行指南

🤝 贡献

我们欢迎捐款！添加新的代理适配器、改进路由逻辑或增强文档。

📄 许可证

MIT许可证-请参阅 许可证

🎯 愿景

“你和一个代理人一起工作，但得到了所有代理人的力量。”

当今的人工智能领域拥有出色的专家，但他们各自为政。 授权MCP改变了这一点。 它是让代理协作的智能层，创造了比其部分之和更大的东西。

内置于❤️ 对于MCP生态系统

相关 MCP