Skip to main content
Glama
deenesjakoruzh
Autumn-AIs

LW MCP Agents

by Autumn-AIs
OverviewSchemaRelated ServersScoreDiscussions
Python
Remote

🚀 LW MCP エージェント

LW MCP Agentsは、**モデルコンテキストプロトコル（MCP）**を用いてAIエージェントを構築およびオーケストレーションするための軽量なモジュール型フレームワークです。複雑なオーケストレーションロジックを記述することなく、各エージェントが専門性を発揮し、連携、委譲、推論を実行できるマルチエージェントシステムを迅速に設計できます。

構成ファイルのみを使用して、スケーラブルで構成可能な AI システムを構築します。

🔍 LW MCP エージェントを使用する理由

  • ✅プラグアンドプレイエージェント: シンプルな JSON 構成を使用して、定型句なしでインテリジェントエージェントを起動します。

  • ✅マルチエージェント オーケストレーション: エージェントを連結して複雑なタスクを解決します。追加のコードは必要ありません。

  • ✅共有と再利用: エージェント構成を環境間で簡単に配布および実行します。

  • ✅ MCP ネイティブ: Claude Desktop を含む、あらゆる MCP 互換プラットフォームとシームレスに統合します。

Related MCP server: SupaUI MCP Server

🧠 何を構築できますか?

  • 文書を要約したりウェブを検索したりするリサーチエージェント

  • ドメイン固有のエージェントにタスクを委任するオーケストレーター

  • 推論を再帰的に拡張し、機能を動的に集約するシステム

🏗️ 建築の概要

LW-MCPエージェント図

📚 目次

🚀 はじめに

🔧 インストール

git clone https://github.com/Autumn-AIs/LW-MCP-agents.git
cd LW-MCP-agents
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt

▶️ 最初のエージェントを実行する

python src/agent/agent_runner.py --config examples/base_agent/base_agent_config.json

🤖 マルチエージェント設定を試す

ターミナル1（リサーチエージェントサーバー）:

python src/agent/agent_runner.py --config examples/orchestrator_researcher/research_agent_config.json --server-mode

ターミナル2（オーケストレーターエージェント）:

python src/agent/agent_runner.py --config examples/orchestrator_researcher/master_orchestrator_config.json

オーケストレーターはリサーチ タスクをリサーチ エージェントにインテリジェントに委任できるようになりました。

🖥️ クロード デスクトップ統合

Claude Desktop内で実行するようにエージェントを構成します。

1. Claude 構成ファイルを見つけます。

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

  • Windows: %APPDATA%\Claude\claude_desktop_config.json

  • Linux: ~/.config/Claude/claude_desktop_config.json

2. mcpServersの下にエージェントを追加します。

{
  "mcpServers": {
    "research-agent": {
      "command": "/bin/bash",
      "args": ["-c", "/path/to/venv/bin/python /path/to/agent_runner.py --config=/path/to/agent_config.json --server-mode"],
      "env": {
        "PYTHONPATH": "/path/to/project",
        "PATH": "/path/to/venv/bin:/usr/local/bin:/usr/bin"
      }
    }
  }
}

📦 エージェントの例

  • ベースエージェント
    MCP を介してツールに接続する最小限のエージェント。
    📁 examples/base_agent/

  • オーケストレーター + 研究者
    階層的な委任と機能の共有を示します。
    📁 examples/orchestrator_researcher/

💡独自の例を投稿してください！ PR を送信するか、メンテナーに連絡してください。

⚙️ エージェントの実行

🔹 基本コマンド

python src/agent/agent_runner.py --config <your_config.json>

🔸 詳細オプション

オプション

説明

--server-mode

エージェントをMCPサーバーとして公開する

--server-name

カスタムMCPサーバー名を割り当てます

🛠️ カスタムエージェントの作成

🧱 最小限の設定

{
  "agent_name": "my-agent",
  "llm_provider": "groq",
  "llm_api_key": "YOUR_API_KEY",
  "server_mode": false
}

🧠 機能の追加

エージェントが推論できる特殊な関数を定義します。

"capabilities": [
  {
    "name": "summarize_document",
    "description": "Summarize a document in a concise way",
    "input_schema": {
      "type": "object",
      "properties": {
        "document_text": { "type": "string" },
        "max_length": { "type": "integer", "default": 200 }
      },
      "required": ["document_text"]
    },
    "prompt_template": "Summarize the following document in {max_length} words:\n\n{document_text}"
  }
]

🔄 オーケストレーターエージェント

{
  "agent_name": "master-orchestrator",
  "servers": {
    "research-agent": {
      "command": "python",
      "args": ["src/agent/agent_runner.py", "--config=research_agent_config.json", "--server-mode"]
    }
  }
}

🧬 仕組み

🧩 推論ユニットとしての能力

それぞれの機能:

  1. 提供された引数を使用してプロンプトを入力します

  2. LLMを使用して内部推論を実行する

  3. ツールや外部エージェントを使用する

  4. 結果を返す

📖 研究例

[INFO] agent:master-orchestrator - Executing tool: research_topic
[INFO] agent:research-agent - Using tool: brave_web_search
[INFO] agent:research-agent - Finished capability: research_topic

🧱 技術アーキテクチャ

🧠 主要コンポーネント

成分

役割

AgentServer

エージェントを起動、構成、実行する

MCPServerWrapper

エージェントをラップしてMCP上に公開します

CapabilityRegistry

構成から推論タスクをロードします

ToolRegistry

他のエージェントからツールを発見する

🌐 建築のハイライト

  • 階層設計：再帰的推論を持つエージェントのシステムを構成する

  • 委任された機能: エージェントはピアにインテリジェントに委任します

  • ツール共有: 1 つのエージェントで利用可能なツールが他のエージェントでもアクセス可能になります

  • コードフリー構成:構成を介してシステム全体を作成する

🙌 謝辞

このプロジェクトは、LastMile AI によるmcp-agents の素晴らしい取り組みからインスピレーションを得ています。

This server cannot be installed

A
license - permissive license
-
quality - not tested
C
maintenance

How are these scores calculated?

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Appeared in Searches

Latest Blog Posts

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/Autumn-AIs/LW-MCP-agents'

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