AI导哈

多代理MCP服务器

Multi Agent MCP是一种高性能、模型无关的模型上下文协议（MCP）服务器，旨在将您的IDE转变为自主的多代理编码助手。

  • by R-Mabasha
  • Python
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 R-Mabasha/nexus-mcp

使用说明

🚀 多代理MCP：多编排器AI编码代理

多代理MCP 是一种高性能、与模型无关的 模型上下文协议（MCP）服务器 旨在将您的IDE转换为自主的多代理编码助手。

直接与 克劳德桌面版, 光标AI，以及 帆板运动，Multi-Agent MCP使用以下命令编排复杂的代码库重构 LangGraph 和 文学硕士。该框架不依赖于单个零样本提示，而是部署了一批专门的人工智能代理，在安全的Git沙盒中进行战略规划、自信地验证和外科手术地编写代码。

🌟 为什么选择多代理MCP？（特点）

搜索时 MCP代理 或 AI编程助手，你通常会发现单提示算法在大型代码库中存在产生幻觉的风险。Multi-Agent MCP通过将确定性图与流体LLM群相结合来解决这个问题：

  • 🧠 多编排器架构：使用图状态机（LangGraph）来管理复杂的开发人员工作流，并防止无限的代理循环。
  • 🛡️ Git沙盒安全：自动隔离独立功能分支上的自主AI工作（可选），以保护您的主代码库免受破坏性编辑。
  • ⚡ 模型不可知和本地就绪：纯电动 文学硕士本地支持 克劳德, 开放人工智能, 本地LLMs，并针对以下方面进行了超优化 格罗克 （《骆驼》3.3 70B）。
  • 🔍 AST感知文件上下文：在获取原始代码字符串之前读取抽象语法树（类/函数），以尽量减少上下文标记的淹没。
  • 🎯 直接编辑模式：切换 isolate: false 在MCP工具模式中，让AI群体直接将代码修改应用于您当前的工作分支。

🛠️ 安装和设置

1.先决条件

  • Python 3.10+
  • Git已在目标项目目录中初始化。

2.安装依赖项

pip install mcp langgraph litellm python-dotenv pydantic

3.配置环境

创建一个 .env 工作区根目录中的文件：

# Fast/Free Groq example
GROQ_API_KEY=gsk_your_key_here
SWARM_MODEL="groq/llama-3.3-70b-versatile"

4.运行代理服务器

python src/server.py

🔌 连接到IDE（MCP集成）

将此AI Agent工具直接连接到您的日常开发环境中：

光标/风帆

  1. 打开 设置 -> 主控程序.
  2. 添加新服务器：
    • 名字: Multi Agent-MCP
    • 类型: command
    • 命令: python c:/absolute/path/to/src/server.py

克劳德桌面版

将以下配置添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "Multi Agent-mcp": {
      "command": "python",
      "args": ["c:/absolute/path/to/src/server.py"]
    }
  }
}

🌍 开源和分发

Multi-Agent MCP是为开源而原生构建的 Smithery.ai MCP注册表和GitHub发现算法。确保您配置了 .gitignore 正确地推自己的叉子之前！

请参阅 开源.md 有关集成此repo的更多详细信息的指南。

📜 许可证

MIT许可证。

发现关键词：模型上下文协议、MCP服务器、AI代理、多代理系统、编码助手、LangGraph编排代理、Claude工具集成、Cursor AI MCP、Windsurf、编码群、自主开发人员。

相关 MCP