지식 조직 인프라(KOI)와 모델 컨텍스트 프로토콜(MCP)을 통합하는 브리징 프레임워크로, 자율 에이전트가 풍부한 성격 특성을 교환하고 표준화된 도구로 기능을 공개할 수 있도록 합니다.
지엑스피1
KOI-MCP가 어떻게 동작하는지 가장 빠르게 확인하는 방법은 데모를 실행하는 것입니다.
python scripts/demo.py이는 자세한 이벤트 로깅과 구성 요소 상태 표시 기능을 갖춘 풍부한 대화형 콘솔을 제공합니다.
또는 메인 모듈을 사용하여 간소화된 데모를 실행할 수 있습니다.
# Run demo (starts coordinator and two example agents)
python -m koi_mcp.main demo이렇게 하면 코디네이터 노드 하나와 서로 다른 성격 특성을 가진 두 개의 에이전트 노드가 시작됩니다. 그런 다음 다음을 방문할 수 있습니다.
코디네이터 레지스트리: http://localhost:9000/resources/list
유용한 에이전트 도구: http://localhost:8101/tools/list
크리에이티브 에이전트 도구: http://localhost:8102/tools/list
구성 요소를 별도로 실행할 수도 있습니다.
# Run coordinator node
python -m koi_mcp.main coordinator
# Run agent nodes
python -m koi_mcp.main agent --config configs/agent1.json
python -m koi_mcp.main agent --config configs/agent2.jsonRelated MCP server: MemoDB MCP Server
KOI-MCP 통합은 코디네이터-어댑터 패턴을 따릅니다.
flowchart TD
subgraph "Coordinator-Adapter Node"
CN[KOI Coordinator Node]
AD[MCP Adapter]
MC[MCP Context Registry]
end
subgraph "Agent Node A"
A1[KOI Agent Node]
A2[Personality Bundle]
A3[MCP Server]
end
subgraph "Agent Node B"
B1[KOI Agent Node]
B2[Personality Bundle]
B3[MCP Server]
end
CN <-->|Node Discovery| A1
CN <-->|Node Discovery| B1
A1 -->|Personality Broadcast| CN
B1 -->|Personality Broadcast| CN
CN --> AD
AD --> MC
MC -->|Agent Registry| C[LLM Clients]
A3 -->|Tools/Resources| C
B3 -->|Tools/Resources| CKOI 코디네이터 노드 : KOI 네트워크의 중앙 허브 역할을 하며 에이전트 검색 및 상태 동기화를 처리합니다.
MCP 어댑터 : KOI 개성 번들을 MCP 호환 리소스 및 도구로 변환합니다.
에이전트 노드 : 네트워크에 특성을 전파하는 개성을 지닌 개별 에이전트
MCP 레지스트리 서버 : 어댑터의 레지스트리를 MCP 호환 엔드포인트로 노출합니다.
MCP 에이전트 서버 : 각 에이전트의 특정 특성을 엔드포인트로 노출하는 개별 서버
에이전트는 특성 기반 성격 모델을 통해 자신의 역량을 표현합니다.
# Example agent configuration
{
"agent": {
"name": "helpful-agent",
"version": "1.0",
"traits": {
"mood": "helpful",
"style": "concise",
"interests": ["ai", "knowledge-graphs"],
"calculate": {
"description": "Performs simple calculations",
"is_callable": true
}
}
}
}각 특성은 다음과 같습니다.
간단한 값(문자열, 숫자, 부울, 목록)
메타데이터(설명, 유형, 호출 가능 여부)가 있는 복잡한 객체
LLM 클라이언트가 호출할 수 있는 호출 가능 도구
이 시스템은 전용 AgentPersonality 유형을 통해 KOI의 리소스 식별자(RID) 시스템을 확장합니다.
class AgentPersonality(ORN):
namespace = "agent.personality"
def __init__(self, name, version):
self.name = name
self.version = version
@property
def reference(self):
return f"{self.name}/{self.version}"에이전트 성격은 Pydantic 모델을 사용하여 구성됩니다.
class PersonalityProfile(BaseModel):
rid: AgentPersonality
node_rid: KoiNetNode
base_url: Optional[str] = None
mcp_url: Optional[str] = None
traits: List[PersonalityTrait] = Field(default_factory=list)이 시스템은 전문화된 핸들러를 통해 KOI의 지식 처리 파이프라인과 통합됩니다.
@processor.register_handler(HandlerType.Bundle, rid_types=[AgentPersonality])
def personality_bundle_handler(proc: ProcessorInterface, kobj: KnowledgeObject):
"""Process agent personality bundles."""
try:
# Validate contents as PersonalityProfile
profile = PersonalityProfile.model_validate(kobj.contents)
# Register with MCP adapter if available
if mcp_adapter is not None:
mcp_adapter.register_agent(profile)
return kobj
except ValidationError:
return STOP_CHAIN통합은 MCP 호환 REST 엔드포인트를 제공합니다.
GET /resources/list : 알려진 모든 에이전트 리소스를 나열합니다.
GET /resources/read/{resource_id} : 특정 에이전트에 대한 세부 정보를 가져옵니다.
GET /tools/list : 사용 가능한 모든 에이전트 도구 나열
GET /resources/list : 이 에이전트의 성격을 리소스로 나열합니다.
GET /resources/read/agent:{name} : 이 에이전트의 성격 세부 정보를 가져옵니다.
GET /tools/list : 이 에이전트의 호출 가능한 특성을 도구로 나열합니다.
POST /tools/call/{trait_name} : 특정 특성을 도구로 호출합니다.
{
"coordinator": {
"name": "koi-mcp-coordinator",
"base_url": "http://localhost:9000/koi-net",
"mcp_registry_port": 9000
}
}{
"agent": {
"name": "helpful-agent",
"version": "1.0",
"base_url": "http://localhost:8100/koi-net",
"mcp_port": 8101,
"traits": {
"mood": "helpful",
"style": "concise",
"interests": ["ai", "knowledge-graphs"],
"calculate": {
"description": "Performs simple calculations",
"is_callable": true
}
}
},
"network": {
"first_contact": "http://localhost:9000/koi-net"
}
}에이전트는 자신의 특성을 동적으로 업데이트할 수 있습니다.
agent = KoiAgentNode(...)
agent.update_traits({
"mood": "enthusiastic",
"new_capability": {
"description": "A new capability added at runtime",
"is_callable": True
}
})개성 처리를 위해 사용자 정의 핸들러를 등록할 수 있습니다.
@processor.register_handler(HandlerType.Network, rid_types=[AgentPersonality])
def my_custom_network_handler(proc: ProcessorInterface, kobj: KnowledgeObject):
# Custom logic for determining which nodes should receive personality updates
# ...
return kobj# Run all tests
pytest
# Run tests with coverage report
pytest --cov=koi_mcpkoi-mcp/
├── configs/ # Configuration files for nodes
├── docs/ # Documentation and design specs
├── scripts/ # Utility scripts
├── src/ # Source code
│ └── koi_mcp/
│ ├── koi/ # KOI integration components
│ │ ├── handlers/ # Knowledge processing handlers
│ │ └── node/ # Node implementations
│ ├── personality/ # Personality models
│ │ ├── models/ # Data models for traits and profiles
│ │ └── rid.py # Agent personality RID definition
│ ├── server/ # MCP server implementations
│ │ ├── adapter/ # KOI-to-MCP adapter
│ │ ├── agent/ # Agent server
│ │ └── registry/ # Registry server
│ ├── utils/ # Utility functions
│ ├── config.py # Configuration handling
│ └── main.py # Main entry point
└── tests/ # Test suite이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여되었습니다. 자세한 내용은 라이선스 파일을 참조하세요.
분산 지식 구성을 위한 KOI-Net 라이브러리 기반 구축
LLM 도구 통합을 위한 새로운 모델 컨텍스트 프로토콜(MCP) 표준과 호환
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Shared, peer-validated knowledge archive for AI agents — search, contribute, and validate via MCP
Sovereign Agent OS — Persistent Memory, Governance & Compliance for AI Agents.
MCP-native Trust Infrastructure for AI Agents. Persistent encrypted memory with Trust Quotient.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/BlockScience/koi-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server