🚀 LW MCP 에이전트

LW MCP Agents는 모델 컨텍스트 프로토콜(MCP)을 사용하여 AI 에이전트를 구축하고 오케스트레이션하기 위한 가볍고 모듈화된 프레임워크입니다. 복잡한 오케스트레이션 로직을 작성하지 않고도 각 에이전트가 전문화, 협업, 위임 및 추론을 수행할 수 있는 다중 에이전트 시스템을 신속하게 설계할 수 있도록 지원합니다.

구성 파일만을 사용해 확장 가능하고 구성 가능한 AI 시스템을 구축합니다.

🔍 LW MCP 에이전트를 사용해야 하는 이유는 무엇입니까?

✅ 플러그 앤 플레이 에이전트 : 간단한 JSON 구성을 사용하여 보일러플레이트 없이 지능형 에이전트를 시작합니다.
✅ 다중 에이전트 오케스트레이션 : 복잡한 작업을 해결하기 위해 에이전트를 연결합니다. 추가 코드가 필요하지 않습니다.
✅ 공유 및 재사용 : 에이전트 구성을 여러 환경에서 손쉽게 배포하고 실행합니다.
✅ MCP-Native : Claude Desktop을 포함한 모든 MCP 호환 플랫폼과 원활하게 통합됩니다.

Related MCP server: SupaUI MCP Server

🧠 무엇을 만들 수 있나요?

문서를 요약하거나 웹을 검색하는 조사 에이전트
도메인별 에이전트에 작업을 위임하는 오케스트레이터
추론을 재귀적으로 확장하고 동적으로 기능을 집계하는 시스템

🏗️ 한눈에 보는 건축

LW-MCP-에이전트-다이어그램

📚 목차

🚀 시작하기

🔧 설치

지엑스피1

▶️ 첫 번째 에이전트 실행

python src/agent/agent_runner.py --config examples/base_agent/base_agent_config.json

🤖 다중 에이전트 설정을 시도해 보세요

터미널 1(연구 에이전트 서버):

python src/agent/agent_runner.py --config examples/orchestrator_researcher/research_agent_config.json --server-mode

터미널 2(오케스트레이터 에이전트):

python src/agent/agent_runner.py --config examples/orchestrator_researcher/master_orchestrator_config.json

이제 오케스트레이터는 연구 작업을 연구 에이전트에게 지능적으로 위임합니다.

🖥️ Claude 데스크톱 통합

Claude Desktop 내부에서 실행되도록 에이전트를 구성합니다.

1. Claude 구성 파일을 찾으세요.

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
리눅스: ~/.config/Claude/claude_desktop_config.json

2.

{ "mcpServers": { "research-agent": { "command": "/bin/bash", "args": ["-c", "/path/to/venv/bin/python /path/to/agent_runner.py --config=/path/to/agent_config.json --server-mode"], "env": { "PYTHONPATH": "/path/to/project", "PATH": "/path/to/venv/bin:/usr/local/bin:/usr/bin" } } } }

📦 예시 에이전트

베이스 에이전트
MCP를 통해 도구에 연결되는 최소 에이전트.
📁 examples/base_agent/
오케스트레이터 + 연구자
계층적 위임과 역량 공유를 보여줍니다.
📁 examples/orchestrator_researcher/

💡 직접 예시를 공유해 보세요! PR을 제출하거나 관리자에게 문의하세요.

⚙️ 러닝 에이전트

🔹 기본 명령

python src/agent/agent_runner.py --config <your_config.json>

🔸 고급 옵션

옵션	설명
`--server-mode`	에이전트를 MCP 서버로 노출합니다.
`--server-name`	사용자 정의 MCP 서버 이름을 할당합니다.

🛠️ 맞춤형 에이전트 생성

🧱 최소 구성

{ "agent_name": "my-agent", "llm_provider": "groq", "llm_api_key": "YOUR_API_KEY", "server_mode": false }

🧠 기능 추가

에이전트가 추론할 수 있는 특수 기능을 정의합니다.

"capabilities": [ { "name": "summarize_document", "description": "Summarize a document in a concise way", "input_schema": { "type": "object", "properties": { "document_text": { "type": "string" }, "max_length": { "type": "integer", "default": 200 } }, "required": ["document_text"] }, "prompt_template": "Summarize the following document in {max_length} words:\n\n{document_text}" } ]

🔄 오케스트레이터 에이전트

{ "agent_name": "master-orchestrator", "servers": { "research-agent": { "command": "python", "args": ["src/agent/agent_runner.py", "--config=research_agent_config.json", "--server-mode"] } } }

🧬 작동 원리

🧩 추론 단위로서의 역량

각 기능:

제공된 인수를 사용하여 프롬프트를 채웁니다.
LLM을 사용하여 내부 추론을 실행합니다.
도구나 외부 에이전트를 사용합니다
결과를 반환합니다

📖 연구 예시

[INFO] agent:master-orchestrator - Executing tool: research_topic [INFO] agent:research-agent - Using tool: brave_web_search [INFO] agent:research-agent - Finished capability: research_topic

🧱 기술 아키텍처

🧠 주요 구성 요소

요소	역할
`AgentServer`	에이전트를 시작, 구성 및 실행합니다.
`MCPServerWrapper`	에이전트를 래핑하여 MCP에 노출시킵니다.
`CapabilityRegistry`	구성에서 추론 작업을 로드합니다.
`ToolRegistry`	다른 에이전트의 도구를 발견합니다.

🌐 건축 하이라이트

계층적 설계 : 재귀적 추론을 통한 에이전트 시스템 구성
위임된 기능 : 에이전트는 피어에게 지능적으로 위임합니다.
도구 공유 : 한 에이전트에서 사용 가능한 도구를 다른 에이전트도 사용할 수 있습니다.
코드 없는 구성 : 구성을 통해 전체 시스템 생성

🙌 감사의 말

이 프로젝트는 LastMile AI의 mcp-agents 에 대한 훌륭한 작업에서 영감을 얻었습니다.

This server cannot be installed

-

security - not tested

A

license - permissive license

-

quality - not tested

How are these scores calculated?

Resources

GitHub Repository

Need Help?

Report Issue

Related Servers

Appeared in Searches

Agent Creation and Orchestration

LW MCP Agents