AI导哈

多代理MCP框架

一个用于构建多代理MCP服务器的Python框架，支持多种管道模式，如顺序、并行、条件和MapReduce，并可通过MCP工具集成到Claude、VSCode等客户端。

  • by Jbermingham1
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Jbermingham1/agent-mcp-framework

使用说明

agent mcp框架

用于构建多代理MCP（模型上下文协议）服务器的Python框架。

使用顺序、并行、条件和映射缩减流水线模式、代理生命周期挂钩和结构化输出组合多代理系统，并将结果作为MCP工具公开给Claude、VSCode或任何兼容MCP的客户端。

特性

  • 代理抽象 — Agent, LLMAgent, FunctionAgent 带有生命周期挂钩
  • 管道组成 --顺序、并行、条件和MapReduce模式
  • MCP集成 --将代理管道作为MCP工具在stdio或SSE上公开
  • 输出格式化 --JSON、Markdown和纯文本输出模式
  • 命令行界面 --从命令行运行服务器和管道
  • Docker就绪 --Dockerfile、docker compose和容器健康检查
  • 持续集成 --GitHub操作矩阵（Python 3.10-3.13）：lint、测试、Docker构建

安装

pip install agent-mcp-framework

快速开始

from agent_mcp_framework import Agent, AgentContext, AgentResult, SequentialPipeline, AgentMCPServer


class AnalyzerAgent(Agent):
    async def run(self, context: AgentContext) -> AgentResult:
        code = context.get("code", "")
        issues = []
        if len(code.splitlines()) > 500:
            issues.append("File exceeds 500 lines — consider splitting")
        if "import *" in code:
            issues.append("Wildcard imports detected")
        context.set("issues", issues)
        return AgentResult(success=True, output={"issues": issues, "count": len(issues)})


class ScorerAgent(Agent):
    async def run(self, context: AgentContext) -> AgentResult:
        issues = context.get("issues", [])
        score = max(0, 100 - len(issues) * 15)
        return AgentResult(success=True, output={"score": score, "grade": "A" if score >= 90 else "B" if score >= 70 else "C"})


# Compose agents into a pipeline
pipeline = SequentialPipeline("code-review", agents=[
    AnalyzerAgent("analyzer", description="Find code issues"),
    ScorerAgent("scorer", description="Score code quality"),
])

# Expose as an MCP server
server = AgentMCPServer("code-review-server", description="Multi-agent code review")
server.add_pipeline_tool(
    pipeline,
    name="review_code",
    description="Analyze code quality and return a score",
    parameters={"code": str},  # the input schema MCP clients see
)

if __name__ == "__main__":
    server.run()  # Starts MCP server on stdio

码头工人

# Build and run locally
docker compose up --build

# Or build manually
docker build -t agent-mcp-framework .
docker run -p 8080:8080 agent-mcp-framework

健康检查端点：

终点 目的
GET / 服务信息
GET /health 活体探针
GET /ready 准备就绪探针

代理类型

Agent --基本类

实施 run() 定义代理的逻辑。

LLMAgent --克劳德动力代理人

内置Anthropic客户端 complete() LLM呼叫的助手。

FunctionAgent --快速内联代理

将任何异步函数包装为代理，而不进行子类化。

管道模式

图案 描述
SequentialPipeline 逐一运行代理，每个代理都看到更新的上下文
ParallelPipeline 在可选的并发限制下并发运行代理
ConditionalPipeline 基于条件函数的代理路由
MapReducePipeline 拆分工作，扇出并减少结果

命令行界面

# Start an MCP server
agent-mcp serve my_project.server

# Run a pipeline directly
agent-mcp run my_project.pipeline --input '{"code": "import *"}'

# Show framework info
agent-mcp info

项目基础设施

  • Dockerfile --带健康检查的多阶段构建
  • docker-compose.yml --地方发展
  • .github/workflows/ci.yml --CI管道（lint、测试、Docker构建）

许可证

麻省理工学院

相关 MCP