MCP: Multi-Agent-Kontrollpunkt

Integrations

Enables containerized deployment of the MCP server with Docker and Docker Compose, allowing for easier setup and distribution across machines
Powers the backend API server that handles routing user questions to appropriate specialized agents
Integrates with Ollama to access the deepseek-r1:7b language model for expert responses when specialized agents cannot handle a query

🧠 MCP: Multi-Agent-Kontrollpunkt

Dieses Projekt implementiert einen Multiagentenserver, der Benutzerfragen an ein LLM-Modell oder an spezialisierte Agenten weiterleitet (z. B. Datum, Standort, Wetter oder einen technischen Experten). Enthält eine einfache, mit Streamlit erstellte Weboberfläche zur Benutzerfreundlichkeit.

🚀 Funktionen

🌐 Backend mit FastAPI
🧠 Spezialisierte Agenten (Datum, Ort, Wetter, LLM-Experte)
🖥️ Visuelle Schnittstelle mit Streamlit (GUI)
🐳 Docker-Container für einfache Bereitstellung
🔌 Client-Server-Kommunikation bereit für lokales oder Remote-Netzwerk

📁 Projektstruktur

MCP/
├── core/
│   ├── registry.py          # Registra todos los agentes
│   └── router_llm.py        # Permite distribución entre agentes
├── agents/
│   └── agent.py             # cada agente incluido en el servidor
├── server/
│   ├── mcp_server.py        # Lógica del MCP
│   └── api.py               # Backend FastAPI
├── gui/
│   ├── app.py               # Interfaz Streamlit
│   └── .streamlit/
│       └── secrets.toml     # Configuración del backend
├── utils/
│   └── json_parser.py       # Función para dividir json
├── requirements.txt         # Dependencias comunes
├── Dockerfile.backend       # Imagen del backend
├── Dockerfile.frontend      # Imagen del frontend
└── docker-compose.yml       # Orquestación de servicios

⚙️ Voraussetzungen

🧪 Schnelle Installation

1. Klonen Sie das Repository

git clone https://github.com/tu-usuario/MCP.git
cd MCP

2. Konfigurationsdatei für Streamlit erstellen

Erstellen Sie im gui -Verzeichnis die Datei:

gui/.streamlit/secrets.toml

Mit folgendem Inhalt:

server_url = "http://backend:8000/process"

3. Mit Docker Compose ausführen

docker-compose up --build

Dadurch werden zwei Container gebaut und angehoben:

Backend unter http://localhost:8000
Grafische Oberfläche unter http://localhost:8501

🌍 Zugriff von einem anderen Computer (optional)

Stellen Sie sicher, dass Sie die Ports richtig freigeben ( 8000 , 8501 ).
Verwenden Sie in secrets.toml die IP des Servercomputers anstelle von localhost .
Sie können auch benutzerdefinierte Docker-Netzwerke für den hostübergreifenden Zugriff einrichten.

📦 Für die Produktion

Sie können nur das Backend ausführen, wenn Sie es in eine andere Schnittstelle integrieren möchten:

docker build -f Dockerfile.backend -t mcp_backend .
docker run -p 8000:8000 mcp_backend

✨ Anwendungsbeispiel

In der Weboberfläche können Sie Fragen eingeben wie:

¿Qué día es hoy?
¿Dónde estoy?
¿Qué clima hace?
Explícame qué es Python

Die App entscheidet, ob die Frage direkt beantwortet oder an einen Agenten delegiert wird.

🛠️ Agenten verfügbar

Agent	Funktion
DATUM	Gibt das aktuelle Datum und die Uhrzeit zurück
STANDORT	Erkennt Stadt und Land anhand der IP
KLIMA	Gibt das Wetter am aktuellen Standort zurück
LLM_EXPERT	Abfrage des Modells `deepseek-r1:7b` über `ollama`

📄 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert.

🙋‍♂️ Autor

Unterstützt von [Ihr Name oder Alias].

This server cannot be installed

security - not tested

license - not found

quality - not tested

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Ein Server, der Benutzerfragen an spezialisierte Agenten (Datum, Ort, Wetter) oder einen LLM-Experten weiterleitet, mit einer einfachen Streamlit-Weboberfläche für eine einfache Interaktion.

Related MCP Servers

Playwright MCP Server
lebrodus
A
security
F
license
A
quality
A server that enables browser automation using Playwright, allowing interaction with web pages, capturing screenshots, and executing JavaScript in a browser environment through LLMs.
Last updated -
12
18,115
1
TypeScript
Web Content MCP Server
amotivv
A
security
A
license
A
quality
A server that leverages Cloudflare Browser Rendering to extract and process web content for use as context in LLMs, offering tools for fetching pages, searching documentation, extracting structured content, and summarizing content.
Last updated -
4
3
TypeScript
MIT License
PagerDuty MCP Server
wpfleger96
A
security
A
license
A
quality
A server that exposes PagerDuty API functionality to LLMs with structured inputs and outputs, enabling management of incidents, services, teams, and users.
Last updated -
14
Python
MIT License
Memory Context Provider Server
Srish-ty
-
security
F
license
-
quality
A server that manages conversation context for LLM interactions, storing recent prompts and providing relevant context for each user via REST API endpoints.
Last updated -
1,137
TypeScript

View all related MCP servers

MCP: Multi-Agent Control Point