使用说明
多代理编排平台
主管→ A2A → 代理→ MCP架构
=========概述==================================
该项目实现了 多代理编排系统 其中一个中心 主管代理 管理专业下游 代理 （数据、机器学习、可视化等）通过 A2A（代理人对代理人） 消息传递。
每个代理都通过专用的 MCP（模型控制平面） 服务。
设计支持 分布式执行, 清晰的关注点分离，以及 单命令启动和关闭.
建筑===============================
流程图 S-->【监管代理】-->|A2A消息|A1[数据代理] S->|A2A消息|A2[ML代理] S->|A2A消息|A3[DV代理]
A1 -->|MCP API| M1[MCP_DATA]
A2 -->|MCP API| M2[MCP_ML]
A3 -->|MCP API| M3[MCP_DV]
===============流量汇总===================================
Supervisor Agent接收任务或管道命令。
它向相关代理发送A2A JSON-RPC消息。
每个代理执行其功能并与其各自的MCP后端交互。
结果在链上返回→ 由主管汇总→ 记录并保存。
组件======================================
组件角色 主管代理中央控制器，通过A2A协调所有代理工作流。 数据代理处理数据摄取、清理、功能工程。 ML Agent训练ML模型，评估结果并导出指标。 DV Agent生成可视化和分析报告。 MCP服务器每个代理用于执行数据/模型/可视化任务的REST接口。 start_all.bat/stop_all.bat一键启动和关闭所有MCP和代理。
目录布局===============================
代码/
├── 代理商/
│ ├── 数据代理/← 实现数据代理
│ ├── ml_代理/← 实施ml代理
│ ├── dv_agent/← 实施dv代理
│
├── 主管/代理人← 执行主管
│ ├── agent_main.py
│ ├── supervisor_agent.py
│
├── mcp服务器/← 实施MCP
│ ├── mcp_data.py
│ ├── mcp_ml.py
│ ├── mcp_dv.py
│
├── 脚本/
│ ├── start_all.bat← 启动所有代理+MCP
│ ├── stop_all.bat← 优雅地停止一切
│ └── 日志/← 所有执行日志
│ ├── data_agent.log
│ ├── ml_agent.log
│ ├── dv_agent.log
│ ├── mcp*.log
│
├── 数据/← 源数据
│ └── source_data.csv
└── 人工制品/← 处理结果
├── 数据结果/
├── ml_结果/
└── dv_结果/
如何跑步====================================
步骤1：环境设置
--------------------------------------------------------------------------------
pip安装-r要求.txt
--------------------------------------------------------------------------------
步骤2。启动所有MCP和代理
从项目根：
--------------------------------------------------------------------------------
.\scripts\start_all.bat
--------------------------------------------------------------------------------
这将启动：
所有MCP服务器（数据/ML/DV）
所有代理（数据/ML/DV）
日志被流式传输到脚本/Logs/。
步骤3。启动主管代理
单独运行Supervisor：
--------------------------------------------------------------------------------
python-m管理员代理代理主
--------------------------------------------------------------------------------
一旦运行，主管将：
发现可用的MCP和代理
通过A2A进行通信
执行整个管道（数据→ ML → DV)
步骤4。停止所有代理和MCP
要优雅地停止所有后台服务：
--------------------------------------------------------------------------------
.\scripts\stop_all.bat
--------------------------------------------------------------------------------
这将终止启动脚本生成的所有python进程。
工作流程示例=============================
主管输入：
加载路径=。/data/source_data.csv；COLUMNS=年龄、收入；TARGET=目标；保存=。/artifacts/data_results/processed_data.csv
执行链：
主管→ （A2A）→ 数据代理→ （MCP_DATA） → （A2A）→ ML代理→ （MCP_ML） → （A2A）→ DV代理→ （MCP_DV）
输出====================================
已清理数据→ ./工件/数据结果
训练有素的模特→ ./工件/ml_结果/
可视化→ ./工件/dv-results/
===============伐木和文物========================
文件夹
scripts/logs/#所有组件的运行时日志 artifacts/data_results/#中间清理数据 artifacts/ml_results/#模型工件和指标 artifacts/dv_results/#可视化文件
技术栈
Python 3.12
LangGraph/LangChain
A2A（代理到代理）消息传递
MCP（模型控制平面）API
异步IO+httpx
通过批处理脚本记录+环境编排
快速参考===================================
指挥目的 .\scripts\start_all.bat启动所有代理+MCP python-m supervisor_agent_main启动supervisor .\scripts\stop_all.bat停止所有服务
扩展平台==============================
您可以轻松添加新的专用试剂和MCP：
在agents/下添加一个新文件夹（例如predict_agent/）
在mcp_servers下创建mcp_forecast.py/
将其登记在主管的发现例程中
将其添加到start_all.bat和stop_aall.bat中
作者
普拉巴·夏尔马
