How do I use MaiAgent MCP Server 3.0?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MaiAgent MCP Server 3.0 find an assistant to help me analyze customer support ticket trends" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

Optional containerization support for deployment of the MCP server environment

Utilizes .env files for environment configuration and secrets management

Uses FastAPI as the web service framework for exposing the MCP server's routing and agent management APIs

Provides repository access and version control integration through Git

Hosts the project repository and supports collaboration through GitHub's pull request workflow

Offers a GraphQL interface as part of the MCP Bridge layer for flexible data querying and integration

Supports Node.js for frontend integration and includes rewritten proxy-server.js components

Deep integration with PostgreSQL and pgvector for semantic search capabilities and metadata storage, forming a key component of the intelligent routing system

Provides components and integration support for React applications to connect with the MCP system

MaiAgent MCP Server 3.0 - Enterprise AI Brain

專案概述

MaiAgent MCP Server 3.0 是一個智能化的 AI 助理路由和管理平台，將現有 107 個生產級 AI 助理整合為統一的企業智能服務中心。

Related MCP server: Nautobot MCP Server

核心特性

🧠 三層智能路由系統

元數據路由器: 基於助理標籤和分類進行初步篩選
語義搜尋引擎: 基於 pgvector + embeddings 進行語義匹配
LLM 智能選擇器: 最終的智能決策和助理選擇

🏗️ 模組化架構

雙 MCP Server 設計: PostgreSQL MCP + 語義搜尋 MCP
FastMCP 性能優化: 基於 Streamable HTTP 的高性能架構
本地化部署: 支援內網 Xinference + Qwen3 模型

📊 企業級功能

助理管理: 107 個 AI 助理的統一管理和智能選擇
多專案支援: 為未來多專案提供可擴展架構
性能監控: 完整的監控、日誌和告警系統

技術架構

前端應用層 (React, Claude Code, 其他專案) ↓ MCP Bridge 層 (RESTful API, GraphQL, WebSocket) ↓ MaiAgent MCP Server 3.0 (智能路由引擎 + 助理管理系統) ↓ 數據層 (PostgreSQL MCP + pgvector 語義搜尋 MCP) ↓ AI 服務層 (Xinference + Qwen3 + 107個AI助理)

開發計劃

Phase 1: 核心框架 (第1-2週)

MCP Python SDK 整合
FastAPI Web 服務框架
元數據路由器實現
5個代表性助理整合

Phase 2: 智能化升級 (第3-4週)

pgvector 語義搜尋實現
LLM 智能選擇邏輯
proxy-server.js 重構
路由策略優化

Phase 3: 系統整合 (第5-6週)

React 前端元件整合
錯誤處理和降級策略
端到端自動化測試
部署流程優化

安裝與使用

環境要求

Python 3.9+
PostgreSQL 14+ with pgvector
Node.js 18+ (前端整合)
Docker (可選，用於部署)

快速開始

# 克隆專案 git clone https://github.com/phoenix581228/maiagent-mcp-server.git cd maiagent-mcp-server # 建立虛擬環境 python -m venv .venv source .venv/bin/activate # Windows: .venv\Scripts\activate # 安裝依賴 pip install -r requirements.txt # 配置環境變數 cp .env.example .env # 編輯 .env 文件，填入必要的配置 # 啟動開發服務器 python -m uvicorn app.main:app --reload --port 8765

MCP 整合

在 Claude Code 中配置 .mcp.json:

{ "mcpServers": { "maiagent-core": { "command": "python", "args": ["-m", "maiagent_mcp_server"], "env": { "MAIAGENT_API_KEY": "your_key", "XINFERENCE_BASE_URL": "http://internal-llm:9997" } } } }

API 文檔

智能路由 API

POST /api/v3/route { "query": "請幫我處理火車票碳排放計算", "context": { "project": "carbon-tracking", "user_preferences": {...} }, "routing_strategy": "intelligent" }

助理管理 API

GET /api/v3/agents # 取得所有可用助理清單 POST /api/v3/agents/{agent_id}/execute # 執行特定助理

貢獻指南

Fork 專案
創建 feature 分支 (git checkout -b feature/AmazingFeature)
提交變更 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
開啟 Pull Request

文檔

許可證

本專案採用 MIT 許可證 - 詳見 LICENSE 文件

聯繫資訊

專案負責人: 資深架構師
技術支援: 開發團隊
文檔維護: 專案團隊

專案狀態: 🚀 MVP 開發中
版本: v3.0.0-alpha
最後更新: 2025-01-19

MaiAgent MCP Server 3.0