AI代理编排服务器

一个基于Flask的轻量级服务器,用于通过Gemini CLI和其他AI工具进行代理编排,提供工具暴露、输入验证和可复现工作流支持。

  • by swahlquist
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 swahlquist/mcp-server

使用说明

用于Gemini CLI代理编排的MCP服务器

该存储库托管了一个最小的Flask服务器,该服务器专为通过Gemini CLI和其他AI工具进行代理编排而设计。它提供了一个干净、安全的接口,用于公开可调用工具、验证代理输入,并实现跨贡献者的可重复工作流。

🔧 它做什么

  • 通过HTTP端点为Gemini CLI和Manus AI代理公开工具
  • 主持人a tool_registry.json 用于代理自省和模式验证
  • 通过以下方式支持模块化、无代理测试 main.py
  • 无缝部署到Render以供公众访问

🧠 为什么它存在

此MCP(模块化命令处理器)服务器是实现AI代理工作流的更广泛努力的一部分:

  • 对贡献者友好:易于安装、测试和扩展
  • 模块化:工具是隔离的、可审计的和可重用的
  • 安全Git历史中没有秘密; .env 被排除在外,并在本地进行管理
  • 代理就绪:与Gemini CLI、Claude、Manus和其他编排平台兼容

🚀 如何使用它

对于贡献者:

  • 克隆仓库并运行 main.py 在本地模拟代理调用
  • 添加新工具 tool_registry.json 并通过Flask路线暴露他们
  • 使用 requirements.txt 管理依赖关系

对于代理商:

  • 部署到Render后,Gemini CLI可以通过HTTP调用工具
  • 代理可以通过以下方式反思可用工具 tool_registry.json
  • 支持提示链接、验证和调试工作流

🌐 部署

此服务器已准备好部署到 渲染。一旦上线,代理就可以通过公共URL访问它,并开始编排工作流。

📁 关键文件

  • main.py:带有公开工具的Flask服务器
  • tool_registry.json:工具定义和模式
  • requirements.txt:Python依赖关系
  • render.yaml:渲染部署配置
  • .gitignore:确保 .env 其他敏感文件被排除在外

这是可扩展的、代理驱动的自动化的基础。无论您是在本地测试还是部署到生产环境,此仓库都为您提供了自信地构建、验证和编排AI工作流程的工具。