MCP: 다중 에이전트 제어 지점

🧠 MCP: 다중 에이전트 제어 지점

이 프로젝트에서는 사용자 질문을 LLM 모델이나 전문 에이전트(날짜, 위치, 날씨 또는 기술 전문가 등)로 라우팅하는 다중 에이전트 서버를 구현합니다. 사용 편의성을 위해 Streamlit으로 구축된 간단한 웹 인터페이스가 포함되어 있습니다.

🚀 특징

🌐 FastAPI를 사용한 백엔드
🧠 전문 상담원(날짜, 장소, 날씨, LLM 전문가)
🧩 상속을 통한 확장 가능하고 모듈화된 에이전트 시스템
⚙️ 균일한 오류 및 응답 처리를 위한 공통 상속 AgenteBase
🤖 에이전트가 서로 협업할 수 있는 스마트 로직
🖥️ Streamlit(GUI)을 활용한 시각적 인터페이스
🐳 쉬운 배포를 위한 Docker 컨테이너
🔌 로컬 또는 원격 네트워크에 대한 클라이언트-서버 통신 준비 완료

📁 프로젝트 구조

지엑스피1

⚙️ 요구 사항

🧪 빠른 설치

1. 저장소를 복제합니다.

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

2. Streamlit에 대한 구성 파일을 만듭니다.

gui 디렉토리 안에 다음 파일을 만듭니다.

gui/.streamlit/secrets.toml

내용은 다음과 같습니다.

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

3. Docker Compose로 실행

docker-compose up --build

이렇게 하면 두 개의 컨테이너가 만들어지고 들어올려집니다.

백엔드: http://localhost:8000
http://localhost:8501 의 그래픽 인터페이스

🌍 다른 컴퓨터에서 접근(선택 사항)

포트를 올바르게 노출했는지 확인하세요( 8000 , 8501 ).
secrets.toml 에서 localhost 대신 서버 머신의 IP를 사용하세요.
또한, 호스트 간 액세스를 위해 사용자 정의 Docker 네트워크를 설정할 수도 있습니다.

📦 제작용

다른 인터페이스와 통합하려는 경우에만 백엔드를 실행할 수 있습니다.

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

✨ 사용 예

웹 인터페이스에서 다음과 같은 질문을 입력할 수 있습니다.

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

앱은 질문에 직접 답변할지, 아니면 상담원에게 위임할지 결정합니다.

🛠️ 에이전트 이용 가능

대리인	기능
날짜	현재 날짜와 시간을 반환합니다
위치	IP로 도시와 국가를 감지합니다
기후	현재 위치의 날씨를 반환합니다.

🔄 에이전트 간 상호작용

이제 날씨 에이전트는 날씨를 쿼리하기 전에 위치 에이전트를 직접 사용하여 지리적 좌표( lat , lon )와 도시를 결정하므로 사용자의 실제 위치에 맞는 응답이 가능합니다. 이를 통해 에이전트 간의 모듈성과 협업이 향상됩니다.

🧩 새로운 에이전트를 만드는 방법

AgenteBase에서 상속받는 클래스를 만듭니다.

from agentes.base import AgenteBase

class AgenteEjemplo(AgenteBase):
    patrones = [r"expresiones.*clave", r"otra.*forma.*de.*preguntar"]

    def agente(self) -> dict:
        datos = {"respuesta": "Soy un agente de ejemplo"}
        return {"success": True, "data": datos}

관련 질문을 감지하기 위한 패턴을 지정합니다.
성공 키와 오류 데이터가 포함된 dict를 반환하는 agente() 구현합니다.
상담원은 지정된 LLM을 자동으로 사용하여 귀하의 데이터를 기반으로 자연스러운 응답을 생성합니다.

⚠️ 중요 기술 참고 사항

모든 에이전트는 다음을 관리하는 AgenteBase에서 상속됩니다.
- 표준 오차
- LLM을 통해 데이터를 자연스러운 반응으로 변환
agent() 메서드는 구조화된 사전을 반환해야 합니다.
각 에이전트는 사용할 LLM 모델( llm_simple 또는 llm_experto )을 지정합니다.

📄 라이센스

이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여되었습니다.

🙋‍♂️ 저자

알레한드로 고메스 시에라가 개발했습니다.

This server cannot be installed

security - not tested

license - not found

quality - not tested

How are these scores calculated?

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.

사용자 질문을 날짜, 위치, 날씨 등의 전문 상담원이나 LLM 전문가에게 전달하는 서버로, 간단한 Streamlit 웹 인터페이스를 통해 쉽게 상호작용할 수 있습니다.

Related MCP Servers

BigQuery MCP Server
ergut
-
security
A
license
-
quality
This is a server that lets your LLMs (like Claude) talk directly to your BigQuery data! Think of it as a friendly translator that sits between your AI assistant and your database, making sure they can chat securely and efficiently.
Last updated -
1
241
81
JavaScript
MIT License
Brightsy MCP Server
mattlevine
A
security
F
license
A
quality
A server that implements the Model Context Protocol to connect LLMs to Brightsy AI agents, allowing users to pass messages to and receive responses from these agents.
Last updated -
1
96
JavaScript
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 -
705
TypeScript
MindBridge MCP Server
pinkpixel-dev
A
security
A
license
A
quality
An AI router that connects applications to multiple LLM providers (OpenAI, Anthropic, Google, DeepSeek, Ollama, etc.) with smart model orchestration capabilities, enabling dynamic switching between models for different reasoning tasks.
Last updated -
3
10
11
TypeScript
MIT License

View all related MCP servers

MCP: Multi-Agent Control Point