Skip to main content
Glama

Agent MCP

MCP 代理

代理工作流程

使用 MCP(模型上下文协议)创建多智能体系统的框架,以实现协调、高效的 AI 协作。

快速入门指南

注意:我建议使用MultipleCursor在同一个代码库上启动不同的聊天窗口,如上图所示。

1. 设置环境

  • 克隆 repo 并将.env.example复制到.env
  • 将您的 OpenAI API 密钥添加到.env
  • 使用uv venv && uv pip install -e .

2. 启动 MCP 服务器

uv run -m agent_mcp.cli --port 8080 --project-dir /path/to/your/project # or if you have rye configured and are in the project root: # rye run start --project-dir /path/to/your/project

重要提示:服务器启动时,会在项目的.agent文件夹中创建一个数据库。您的管理员令牌存储在此数据库中。要查找它,请执行以下操作:

  1. 在代码编辑器中安装 SQLite 查看器扩展
  2. 打开数据库/path/to/your/project/.agent/mcp_state.db
  3. 检查project_context表中的管理员令牌

3. 创建主上下文文档(MCD)

  • 在您的项目中创建一个详细的MCD.md文件,其中包含架构、API 路由、数据模型等。
  • 这可以是单个文件或多个文件(对于复杂项目)
  • 请参阅MCD-EXAMPLE文件夹中的模板

4.启动管理代理

  1. 在项目文件夹中打开你的 AI 编码助手(Claude Code、Cursor 等)
  2. 复制您在步骤 2 中找到的管理员令牌
  3. 要求 AI“使用此令牌初始化为管理代理:[your-token]”
  4. 告诉管理代理将您的 MCD 添加到项目上下文中:
    Please add the MCD.md file to the project context. Don't summarize it.

5. 通过管理员创建和管理工作代理

  1. 要求您的管理代理创建一个工作代理:
    Create a worker agent with ID "frontend-worker" to implement the login page.
  2. 在你的 AI 助手中打开一个新窗口/会话(相同的代码库)
  3. 使用以下精确提示初始化工作者:
    You are [worker-id] agent, your Admin Token: "[admin-token]" Look at your tasks and ask the project RAG agent at least 5-7 questions to understand what you need to do. I want you to critically think when asking a question, then criticize yourself before asking that question. How you criticize yourself is by proposing an idea, criticizing it, and based on that criticism you pull through with that idea. AUTO --worker --memory
  4. 工人将自动找到其分配的任务并开始工作

请按照以下详细说明获取更多信息。

特征

  • 多代理协作框架
  • 任务管理和协调
  • 代理之间的上下文和知识共享
  • 代理交互的图形可视化
  • 支持嵌入和 RAG 功能
  • 用于可视化任务、代理和上下文的交互式仪表板

使用主上下文文档 (MCD) 进行项目规划

观看视频教程:如何将 MCD 上下文添加到 Agent MCP

在开始开发之前,务必进行深入研究,创建一份主上下文文档 (MCD) ,这是应用程序的唯一可信来源。本文档提供了一个详细的计划,详细说明:

  • 系统架构和组件关系
  • 所有屏幕和组件的 UI/UX 设计
  • API 路由和端点
  • 数据结构和模型
  • 实施单位及任务
  • 依赖项和技术堆栈

MCD 至关重要,因为:

  1. 它使代理能够在处理单个组件之前了解整个系统
  2. 它允许线性、协调的建造(就像按照蓝图建造房屋)
  3. 通过提供结构化、相关的上下文来减少令牌的使用
  4. 它可以防止代理之间的冲突实现

**查看此存储库中的MCD.md文件,**了解所需的结构和详细程度。MCD 应包含:

  • 概述和目标
  • 上下文和架构图
  • 功能要求
  • 设计规范(UI/UX、API、数据模型)
  • 实现细节
  • 代理任务分解

通过全面的 MCD,代理可以逐步实施您的申请,并清楚地了解每个部分如何融入整体。

安装

先决条件

  • Python 3.8+
  • uv (建议使用,以便更快地安装包)

设置

  1. 克隆存储库:
    git clone https://github.com/your-username/agent-mcp.git cd agent-mcp
  2. 通过复制示例文件来设置环境变量:
    cp .env.example .env
  3. 编辑.env文件并添加您的 OpenAI API 密钥:
    OPENAI_API_KEY=your_openai_api_key_here
  4. 使用 uv 安装:
    uv venv uv pip install -e .
    或者使用 pip:
    pip install -e .

多代理工作流

工作流程概述

  1. 从深度研究开始:在编码之前,使用AI帮助创建全面的主要上下文文档(MCD)
  2. 启动基础设施:启动 MCP 服务器并在数据库中找到您的管理员令牌
  3. 管理代理设置:使用令牌和docs/INSTRUCTIONS.md初始化您的管理代理
  4. 工人创建:管理员为项目的不同方面创建专门的工人
  5. 任务分配:管理员将 MCD 分解为离散任务并分配给工人
  6. 并行开发:Workers 通过 MCP 共享上下文并执行任务
  7. 上下文保存:所有代理将其知识存储在中央数据库中

发展循环

架构概述

MCP 系统采用分层结构,其特点是:

  • 管理代理:协调其他代理,分配任务,并维护整体项目方向
  • 工作代理:执行特定任务(前端、后端、数据建模等)的专门代理

代理设置和操作

1. 启动 MCP 服务器
uv run -m agent_mcp.cli -- server --port 8080 --project-dir /path/to/your/project

选项:

  • --port :运行服务器的端口(默认值:8080)
  • --project-dir :项目的基本目录
2. 理解 MCP 代币

MCP 系统使用两种类型的令牌进行身份验证:

管理员令牌

  1. 启动服务器后,会自动生成管理员令牌
  2. 此令牌存储在.agent/mcp_state.db SQLite 数据库中
  3. 为 VS Code 或其他 SQLite 工具安装 SQLite 查看器扩展
  4. 打开数据库并检查project_context
  5. 查找管理员令牌条目
  6. 管理员令牌只能与管理员代理一起使用

工人代币

  1. 当管理代理创建工作代理时,会生成一个特定的工作令牌
  2. 当被要求创建工作者时,管理代理将提供此工作者令牌
  3. 每个工人都有自己独特的令牌,并具有特定的权限
  4. 工作令牌也存储在.agent/mcp_state.db数据库中

重要提示:请勿将管理员令牌用于工作代理。请务必使用管理代理在创建工作代理时提供的特定工作令牌。

3. 代理工作流程(重要)

注意:所有代理都是通过与您的 AI 助手聊天来创建和管理的 - 您不能使用命令行工具来创建代理。

MCP 服务器- 这是您使用命令启动的唯一组件:

uv run -m agent_mcp.cli -- server --port 8080 --project-dir /path/to/your/project

管理代理- 通过告诉您的 AI 助手来创建:

Initialize as an admin agent with this token: [paste-admin-token-here] Please add the MCD.md file to the project context. Don't summarize it.

工作代理- 通过管理代理创建:

  1. 告诉管理代理:“创建一个 ID 为‘frontend-worker’的工作代理来实现登录页面”
  2. 管理员将为该代理提供特定的工作令牌
  3. 打开一个新的AI助手窗口/会话
  4. 使用下面第 4 部分中的工作人员令牌和工作人员提示进行初始化

仪表板http://localhost:8080 ):

  • 这只是为了可视化 - 您不能在这里创建代理
  • 所有实际工作都通过您的 AI 助手聊天窗口进行
  • 仪表板显示代理和任务之间的关系
4. 初始化工作代理(复制/粘贴此内容)

在您的管理代理创建工人后,打开一个新的 AI 助手窗口,并使用以下 EXACT 提示初始化工人:

You are [agent_id] agent, your Worker Token: "your_worker_token_here" Look at your tasks and ask the project RAG agent at least 5-7 questions to understand what you need to do. I want you to critically think when asking a question, then criticize yourself before asking that question. How you criticize yourself is by proposing an idea, criticizing it, and based on that criticism you pull through with that idea. AUTO --worker --memory

进行以下两个替换:

  1. [agent_id]替换为您告诉管理员创建的工作者 ID(例如“frontend-worker”)
  2. your_worker_token_here替换为管理员代理在创建此工作者时提供的特定工作者令牌(不是管理员令牌)

初始化后,worker 将:

  1. 检查分配给其 ID 的任务
  2. 向 RAG 系统询问项目背景
  3. 开始自主执行任务
  4. 将实现细节存储在共享内存系统中

为了获得最佳效果,还请复制docs/INSTRUCTIONS.md的内容并将其粘贴到 AUTO 命令之前。

仪表板和终端 UI

仪表板(可视化)

访问http://localhost:8080上的仪表板来直观地查看多代理系统中发生的情况:

  • 实时监控代理活动
  • 查看任务状态和依赖关系
  • 观察代理关系和协调
  • 跟踪文件操作和上下文共享

**重要提示:**仪表板仅用于可视化 - 您无法在此创建或管理代理。所有代理的创建和任务分配均通过您的 AI 助手聊天进行。

多代理会话:视觉指南

对于复杂的项目,您可以同时打开多个聊天会话:

多代理设置

工作原理:

  1. 管理代理的一个窗口/会话
  2. 为每个工作代理提供单独的窗口/会话
  3. 管理员使用管理员令牌,工作人员使用其特定的工作人员令牌
  4. 每个工作人员都有一个唯一的代理 ID 和令牌

具有 3 个代理的示例设置:

窗户代理类型代理 ID代币类型
1行政“行政”管理员令牌
2工人“前端工作者”前端工作者令牌
3工人“后端工作者”后端工作者令牌

您可以使用 Claude Code、RooCode 或MultipleCursor来管理在同一代码库上工作的多个窗口/会话。

完整的示例工作流程

以下是如何从头到尾使用 Agent MCP 的分步示例:

步骤 1:创建项目

mkdir -p my-project cd my-project git init # Create initial project files

步骤 2:安装 Agent MCP

git clone https://github.com/rinadelph/Agent-MCP.git mcp cd mcp uv venv uv pip install -e . cd ..

步骤 3:创建您的 MCD

# Create your MCD file (with help from your AI assistant) touch MCD.md

步骤 4:启动 MCP 服务器

uv run -m agent_mcp.cli -- server --port 8080 --project-dir $(pwd)

步骤 5:查找管理员令牌

  1. 在代码编辑器中安装 SQLite Viewer
  2. 打开.agent/mcp_state.db
  3. project_context表中查找令牌

步骤 6:初始化管理代理

  1. 打开你的AI助手(Claude Code,Cursor等)
  2. 告诉它:
Initialize as an admin agent with this token: [paste-token-here] Please add the MCD.md file to the project context. Don't summarize it.

步骤 7:创建工作代理

  1. 告诉管理代理:
Create a worker agent with ID "frontend-worker" to implement the login page component.
  1. 管理代理将为您提供此新代理的工作令牌

步骤 8:初始化 Worker Agent

  1. 打开新的AI助手窗口
  2. 告诉它:
You are frontend-worker agent, your Worker Token: "[paste-worker-token-here]" Look at your tasks and ask the project RAG agent at least 5-7 questions to understand what you need to do. I want you to critically think when asking a question, then criticize yourself before asking that question. How you criticize yourself is by proposing an idea, criticizing it, and based on that criticism you pull through with that idea. AUTO --worker --memory

工人现在将自动开始执行其分配的任务!

代币系统和资源管理

理解代币

代币在 MCP 系统中有多种用途:

  1. 身份验证令牌:用于代理识别和管理员访问
  2. RAG 令牌:用于从知识库中嵌入和检索上下文
  3. OpenAI 代币:在代理操作期间消耗(模型使用)

代币管理

监视和管理令牌使用情况:

  1. 安装 SQLite Viewer 插件或使用命令行:
    sqlite3 /path/to/project/.agent/mcp_state.db
  2. 查询令牌使用情况:
    SELECT * FROM token_usage;
  3. 在仪表板的“资源”选项卡下进行监控

资源优化

对于大型项目:

  1. 使用具有专注能力的专门代理来减少上下文大小
  2. 将任务分解为具有明确依赖关系的较小单元
  3. 利用 RAG 系统进行高效的上下文检索
  4. 将共享信息存储在项目上下文中,而不是在消息中重复

RAG 项目和知识库(中央记忆系统)

**观看上面的教程:**了解如何将 MCD 添加到中央存储系统

记忆系统如何运作

  1. MCP 服务器维护所有项目上下文的中央数据库
  2. 启动服务器时,它会在项目目录中创建一个.agent文件夹
  3. 当您初始化 MCD 时,您的管理代理会将其添加到此数据库
  4. 工作代理会自动查询该数据库以了解其任务
  5. 所有实施细节都存储在该数据库中,以供其他代理访问

设置项目 RAG

检索增强生成 (RAG) 系统允许代理有效地访问相关项目知识:

  1. 索引项目文件:
    python -m agent_mcp.features.rag.indexing -- --project-dir /path/to/project
  2. 将文档添加到知识库:
    python -m agent_mcp.features.rag.indexing -- --add-doc /path/to/document.md

在代理工作流中使用 RAG

代理可以使用以下方式查询知识库:

response = await client.ask_project_rag("How does the authentication system work?")

社区

加入我们的 Discord 社区,讨论 Agent MCP、分享你的项目、获取帮助,并与其他使用 AI 工具构建的开发者交流。我们是一个不断发展壮大的社区,致力于突破多智能体系统和 AI 协作的极限。

Related MCP Servers

  • -
    security
    F
    license
    -
    quality
    A comprehensive Model Context Protocol server implementation that enables AI assistants to interact with file systems, databases, GitHub repositories, web resources, and system tools while maintaining security and control.
    Last updated -
    16
    TypeScript
  • -
    security
    F
    license
    -
    quality
    A Model Context Protocol server that enables AI agents to interact with n8n workflows and automation tools through a standardized interface, allowing execution of workflows and access to n8n functions.
    Last updated -
    Python
    • Linux
    • Apple
  • A
    security
    A
    license
    A
    quality
    A Model Context Protocol server providing AI assistants with comprehensive project, task, and subtask management capabilities with project-specific storage.
    Last updated -
    29
    119
    27
    TypeScript
    MIT License
    • Apple
    • Linux
  • -
    security
    F
    license
    -
    quality
    A Model Context Protocol server that extends AI capabilities through tools for remote control, note-taking, email operations, and knowledge search.
    Last updated -
    Python

View all related MCP servers

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/rinadelph/Agent-MCP'

If you have feedback or need assistance with the MCP directory API, please join our Discord server