多代理系统服务器

多代理系统作为MCP服务器

这是一个模型上下文协议（MCP）服务器，它提供了一个多代理系统来帮助使用 CAMEL-AIs workforce 模块。一个结构良好的多智能体系统教程，使用 CAMEL-AI 可以遵循 这里 以供进一步参考。事实上，此服务器直接构建在上述教程（也是我编写的）的基础上。此服务器使用 GPT-4o-mini 作为LLM。

可用工具

• process_task：接受一个任务并执行它。
  • 需要 task_content, task_id (optional)，以及 additional_content (optional).
• reset：通过清理上下文和内存重置服务器。
• get_workforce_info：提供有关服务器的详细信息。
• get_children_info：提供多代理系统的工作人员（代理）的详细信息。
• add_single_agent_worker：提供LLM（Claude），以便在启动服务器之前启动更多工作进程。
• add_roleplaying_worker：为LLM（Claude）提供一个选项，如果它认为角色扮演工人有用，可以旋转角色扮演工人。

如何使用

使用 uv

要使用，我们必须先安装 克劳德桌面应用程序。安装后，打开它，转到 settings -> Developer -> Edit Config.

它将打开一个名为 claude_desktop_config.json.添加以下内容 config 文件在那里。

{
    "mcpServers": {
        "lega-team-mcp": {
            "command": "uv",
            "args": [
                "--directory",
                "/ABSOLUTE/PATH/TO/PARENT/FOLDER/legal-team-mcp",
                "run",
                "legal_team_server.py"
            ], 
            "env": {
                "OPENAI_API_KEY": "sk-proj-..."
            }
        }
    }
}

保存文件并重新启动应用程序。

备注：有时， uv 无法在全球范围内访问，或者它可能不在 PATH。请全局安装或解决 PATH 问题，或把完整的路径 uv 可在配置键中执行 "command"。这可以通过以下方式找到 which uv 在Mac/Linux上，或 where uv 在Windows上。

你可以得到你的 OPENAI API密钥 这里

此配置的工作方式是 uv 将创建一个虚拟环境 venv 并按照repo中的指定安装依赖项。成功安装后，服务器应成功启动。

使用 python

或者，您可以自己创建一个虚拟环境，安装 camel-ai，然后使用 python 解释器来运行服务器，类似于在终端上执行的操作。

这将涉及：

• 创建新的conda环境： conda create --name <env-name>
• 安装 uv 通过跑步 conda install uv.
• 最后，安装 camel-ai 通过跑步 uv pip install camel-ai

现在，找到的位置 python 在这个新的环境中。按照与之前相同的步骤，添加新的配置（如下） python 位置。

{
    "mcpServers": {
        "legal-team-mcp": {
            "command": "/path/to/python",
            "args": [
                "/path/to/legal_team_server.py"
            ],
            "env": {
                "OPENAI_API_KEY": "sk-proj-..."
            }
        }
    }
}