MCP-Agent-Orchestrierungssystem

Eine Python-Implementierung eines zustandsbasierten Agenten-Orchestrierungssystems unter Verwendung des Model Context Protocol (MCP).

Was ist MCP?

Das Model Context Protocol (MCP) ermöglicht Anwendungen die standardisierte Bereitstellung von Kontext für LLMs und trennt so die eigentliche LLM-Interaktion. Mit MCP können Sie Server erstellen, die Folgendes bereitstellen:

Ressourcen : Datenquellen, die LLMs Informationen liefern
Tools : Funktionen, die es LLMs ermöglichen, Aktionen auszuführen
Eingabeaufforderungen : Wiederverwendbare Vorlagen für LLM-Interaktionen

Installation

Voraussetzungen

Python 3.10 oder höher
MCP Python SDK 1.2.0 oder höher

Einrichten Ihrer Umgebung

Verwendung von UV (empfohlen)

# Install uv
curl -LsSf https://astral.sh/uv/install.sh | sh

# Create a new directory for our project
uv init mcp-agents-orchestra
cd mcp-agents-orchestra

# Create virtual environment and activate it
uv venv
source .venv/bin/activate  # On Unix/macOS
.venv\Scripts\activate     # On Windows

# Install dependencies
uv add "mcp[cli]" httpx

Verwenden von pip

# Create a new directory for our project
mkdir mcp-agents-orchestra
cd mcp-agents-orchestra

# Create a virtual environment
python -m venv venv
source venv/bin/activate  # On Unix/macOS
venv\Scripts\activate     # On Windows

# Install dependencies
pip install "mcp[cli]" httpx

Projektdateien klonen oder herunterladen

Platzieren Sie die Projektdateien in Ihrem Verzeichnis:

orchestrator.py – Der Haupt-MCP-Server, der die Zustandsmaschine implementiert
orchestrator_client.py – Client, der den Orchestrierungsfluss demonstriert
requirements.txt – Abhängigkeiten für das Projekt
.gitignore – Git-Ignorierdatei

Projektstruktur

orchestrator.py – Der Haupt-MCP-Server, der die Zustandsmaschine implementiert
orchestrator_client.py – Client, der den Orchestrierungsfluss demonstriert
requirements.txt – Abhängigkeiten für das Projekt

Ausführen des Orchestrierungssystems

Starten Sie den Orchestrierungsserver zum Testen direkt:

python orchestrator.py

Führen Sie den Client in einem separaten Terminal aus, um die Orchestrierung in Aktion zu sehen:

python orchestrator_client.py

Integration mit Claude für Desktop

1. Installieren Sie Claude für Desktop

Stellen Sie sicher, dass Sie Claude für Desktop installiert haben. Sie können die neueste Version von der Anthropic-Website herunterladen.

2. Konfigurieren Sie Claude für den Desktop

Öffnen Sie Ihre Claude for Desktop-Konfigurationsdatei:macOS/Linux:
# Create or edit the configuration file code ~/Library/Application\ Support/Claude/claude_desktop_config.json
Windows:
# Path may vary depending on your Windows version code %APPDATA%\Claude\claude_desktop_config.json
Fügen Sie die Orchestrator-Serverkonfiguration hinzu:
{ "mcpServers": { "agent-orchestrator": { "command": "python", "args": [ "/ABSOLUTE/PATH/TO/YOUR/PROJECT/orchestrator.py" ] } } }
Ersetzen Sie den Pfad durch den absoluten Pfad zu Ihrer Datei orchestrator.py.
Speichern Sie die Konfigurationsdatei und starten Sie Claude for Desktop neu.

3. Verwenden des Orchestrators in Claude

Nach der Konfiguration können Sie:

Öffnen Sie Claude für Desktop
Klicken Sie in der Seitenleiste auf das MCP-Serversymbol
Wählen Sie „Agent-Orchestrator“ aus der Liste der verfügbaren Server
Beginnen Sie mit der Interaktion mit dem Orchestrierungssystem

Claude wird in der Lage sein:

Übergang zwischen verschiedenen Agentenzuständen
Speichern und Abrufen von Informationen aus der Wissensdatenbank
Behalten Sie den Konversationskontext über Statusübergänge hinweg bei
Zugriff auf statusspezifische Eingabeaufforderungen

Agentenzustände

Das Orchestrierungssystem implementiert eine Zustandsmaschine mit den folgenden Zuständen:

IDLE : Wartet auf Anweisungen
PLANUNG : Erstellen eines strukturierten Plans für eine Aufgabe
RECHERCHIEREN : Sammeln der für eine Aufgabe benötigten Informationen
AUSFÜHREN : Durchführen geplanter Aktionen
ÜBERPRÜFEN : Ergebnisse auswerten und nächste Schritte festlegen
FEHLER : Handhabung von Fehlern oder unerwarteten Situationen

Anpassen des Systems

Neue Staaten hinzufügen

Fügen Sie den Status zur AgentState -Aufzählung in orchestrator.py hinzu
Erstellen Sie eine Eingabeaufforderungsfunktion für den neuen Status
Aktualisieren Sie die Übergangslogik in _get_available_transitions()
Hinzufügen von Handlern für den neuen Status in Ressourcenzugriffsfunktionen

Erstellen benutzerdefinierter Tools

Fügen Sie neue Tools hinzu, indem Sie mit @mcp.tool() dekorierte Funktionen erstellen:

@mcp.tool()
def my_custom_tool(arg1: str, arg2: int, ctx: Context) -> str:
    """Description of what this tool does
    
    Args:
        arg1: Description of arg1
        arg2: Description of arg2
    """
    # Implementation here
    return "Result"

Entwicklung und Tests

Verwenden der MCP-CLI

Die MCP CLI bietet Tools für Entwicklung und Tests:

# Install MCP CLI if you haven't already
pip install "mcp[cli]"

# Test your server with the MCP Inspector
mcp dev orchestrator.py

# Install in Claude Desktop
mcp install orchestrator.py

Manuelles Testen mit Python

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async with stdio_client(StdioServerParameters(command="python", args=["orchestrator.py"])) as (read, write):
    async with ClientSession(read, write) as session:
        await session.initialize()
        # Test state transitions
        await session.call_tool("transition_state", arguments={"new_state": "PLANNING"})

Ressourcen

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.

This server cannot be installed

security - not tested

license - not found

quality - not tested

local-only server

The server can only run on the client's local machine because it depends on local resources.

Ein zustandsbasiertes Agenten-Orchestrierungssystem, das Übergänge zwischen verschiedenen Zuständen (LEERLAUF, PLANUNG, FORSCHUNG, AUSFÜHRUNG, ÜBERPRÜFUNG, FEHLER) ermöglicht und gleichzeitig den Gesprächskontext aufrechterhält und zustandsspezifische Eingabeaufforderungen bereitstellt.

Related MCP Servers

MCP Orchestrator Server
mokafari
-
security
A
license
-
quality
A server for task orchestration and coordination, facilitating task management with dependencies, multi-instance collaboration, and persistent task tracking.
Last updated -
7
17
JavaScript
MIT License
ClickUp MCP Server
windalfin
-
security
A
license
-
quality
A Model Context Protocol server that enables AI agents to interact with ClickUp workspaces, allowing task creation, management, and workspace organization through natural language commands.
Last updated -
313
MIT License
Role-Specific Context MCP Server
Chris-June
-
security
F
license
-
quality
A Model Context Protocol server that enables role-based context management for AI agents, allowing users to establish specific instructions, maintain partitioned memory, and adapt tone for different agent roles in their system.
Last updated -
TypeScript
Simple Memory Extension MCP Server
gmacev
-
security
A
license
-
quality
An MCP server that extends AI agents' context window by providing tools to store, retrieve, and search memories, allowing agents to maintain history and context across long interactions.
Last updated -
5
TypeScript
MIT License

View all related MCP servers

MCP Agent Orchestration System