使用说明
敏捷团队MCP服务器
一个由Agent Personas组成的团队，被包裹在一个MCP服务器中，该服务器能够通过包裹各种LLM提供商来执行敏捷团队Persona的活动，从而大规模地利用大规模计算。
特性
- 模型包装：通过统一界面向多个LLM模型发送提示
- 提供者/模型修正：自动更正和验证提供程序和模型名称
- 文件支持：从文件发送提示并将响应保存到文件
- 提供商/模型发现：列出可用的供应商和型号
设置
安装
# Clone and install
git clone https://github.com/danielscholl/agile-team-mcp-server.git
cd just-prompt
uv sync
# Install
uv pip install -e .
# Run tests to verify installation
uv run pytest
环境配置
创建和编辑您的 .env 使用API密钥文件：
# Create environment file from template
cp .env.sample .env
您的中所需的API密钥 .env 文件：
OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here
GEMINI_API_KEY=your_gemini_api_key_here
GROQ_API_KEY=your_groq_api_key_here
DEEPSEEK_API_KEY=your_deepseek_api_key_here
OLLAMA_HOST=http://localhost:11434
MCP服务器配置
要在其他项目中直接使用此MCP服务器，请使用按钮在VSCode中安装，编辑 .mcp.json 文件目录。
客户端的配置往往略有不同
为Claude.app进行配置
{
"mcpServers": {
"agile-team": {
"command": "uvx",
"args": [
"--from",
"git+https://github.com/danielscholl/agile-team-mcp-server@main",
"just-prompt",
"--default-models",
"high,openai:o4-mini:high,anthropic:claude-3-7-sonnet-20250219:4k,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17"
],
"env": {
"OPENAI_API_KEY": "<YOUR_OPENAI_KEY>",
"ANTHROPIC_API_KEY": "<YOUR_ANTHROPIC_KEY>",
"GEMINI_API_KEY": "<YOUR_GEMINI_KEY>",
"GROQ_API_KEY": "<YOUR_GROQ_KEY>",
"DEEPSEEK_API_KEY": "<YOUR_DEEPSEEK_KEY>",
"OLLAMA_HOST": "http://localhost:11434"
}
}
}
}
配置Claude.code
通过导入Claude Code，可以轻松地使用它建立敏捷团队。
claude mcp add-from-claude-desktop
注意：如果不在同一目录中，“--directory”将是源代码的路径。
# Copy this JSON configuration
{
"command": "uvx",
"args": ["--from", "git+https://github.com/danielscholl/agile-team-mcp-server@main", "just-prompt", "--default-models", "high,openai:o4-mini:high,anthropic:claude-3-7-sonnet-20250219:4k,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17"]
}
# Then run this command in Claude Code
claude mcp add agile-team "$(pbpaste)"
要稍后删除配置，请执行以下操作：
claude mcp remove agile-team
可用的LLM提供商
| 提供者 | 短前缀 | 全前缀 | 用法示例 |
|---|---|---|---|
| OpenAI | o |
openai |
o:gpt-4o-mini |
| 人类学 | a |
anthropic |
a:claude-3-5-haiku |
| 谷歌双子座 | g |
gemini |
g:gemini-2.5-pro-exp-03-25 |
| 绿色 | q |
groq |
q:llama-3.1-70b-versatile |
| DeepSeek | d |
deepseek |
d:deepseek-coder |
不要 。 l |
ollama |
l:llama3.1 |
用法
命令行
直接运行服务器：
uv run agile-team
使用MCP客户端
使用兼容的MCP客户端，您可以连接到服务器：
mcp use agile-team
可用工具
向模特发送提示
使用示例：
# Basic prompt with default model
prompt_tool: "ping"
# Claude with 4k thinking tokens
prompt_tool: "Analyze quantum computing applications" ["a:claude-3-7-sonnet-20250219:4k"]
# OpenAI with high reasoning effort
prompt_tool: "Solve this complex math problem" ["openai:o3-mini:high"]
# Gemini with 8k thinking budget
prompt_tool: "Evaluate climate change solutions" ["gemini:gemini-2.5-flash-preview-04-17:8k"]
向一个或多个LLM模型发送文本提示并接收响应。
# Basic prompt with default model
prompt_tool: "Your prompt text here"
# Specify model(s)
prompt_tool: "Your prompt text here" "openai:gpt-4o"
# Examples with thinking capability
prompt_tool: "Develop a strategy for learning how to create MCP Servers for AI" "anthropic:claude-3-7-sonnet-20250219:4k"
prompt_tool: "Write a function to calculate the factorial of a number" "openai:o4-mini:high"
列出可用选项
检查哪些供应商和型号可供使用。
# List all providers
list_providers_tool
# List models for a specific provider
list_models_tool: "openai"
使用文件
处理文件中的提示，并将响应保存到文件以进行批处理。
# Send prompt from file
prompt-from-file: [o:o4-mini] "prompts/function.txt"
# Save responses to files
prompt-from-file-to-file: [o:o4-mini] "prompts/uv_script.txt" "prompts/responses"
