Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@mcp-agent-hub I'm the master; assign coder-1 the login task and track progress."
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.
让多个 Agent 客户端（Claude Code、Cursor、MiMo、Aider 等，可 2 个以上）在本机或局域网互通协作的 MCP 服务。
手动指定一个主理人（master）：在某个客户端启动时 --role-type master，或调用 set_master
其余全部是子代理（subagent）：数量不限；入网时自动挂靠到当前主理人
支持本地（多个 stdio 进程共享一个 SQLite）和局域网（Streamable HTTP，多客户端接入同一 Hub）
┌─────────────────────┐
│ 主理人 master │ ← 手动指定（--role-type master / set_master）
│ 拆解 · 派单 · 盯进度 │
└──────────┬──────────┘
dispatch_task │ report / escalate
┌──────────────────┼──────────────────┐
▼ ▼ ▼
┌────────────┐ ┌────────────┐ ┌────────────┐
│ 子代理 A │ │ 子代理 B │ │ 子代理 C │ ← 可任意多个
│ coder │ │ reviewer │ │ tester │
└────────────┘ └────────────┘ └────────────┘
│ │ │
└──────────────────┼──────────────────┘
▼
共享黑板 remember/recall
任务看板 · 消息收件箱 (SQLite)Related MCP server: Project Relay
依赖：Python 3.12+，推荐 uv。
git clone <repo-url> mcp-agent-hub
cd mcp-agent-hub
uv sync
# 或仅运行时
uv pip install -e .所有客户端指向同一个 AGENT_HUB_DB 即可互通。主理人手动设在其中一个客户端上。
export AGENT_HUB_DB=/tmp/agent-hub.db
# ① 手动设主：这一端是主理人
mcp-agent-hub stdio --name boss --role-type master --role orchestrator
# ② 其余全是子代理（可开任意多个）
mcp-agent-hub stdio --name coder-1 --role-type subagent --role implementer --capabilities code,test
mcp-agent-hub stdio --name reviewer-1 --role-type subagent --role reviewer --capabilities review,docs
mcp-agent-hub stdio --name tester-1 --role-type subagent --role tester --capabilities test主理人客户端配置（examples/01-master.json）：
{
"mcpServers": {
"agent-hub": {
"command": "mcp-agent-hub",
"args": ["stdio", "--name", "boss", "--role-type", "master", "--role", "orchestrator"],
"env": { "AGENT_HUB_DB": "/tmp/agent-hub.db" }
}
}
}子代理客户端配置（换 --name / --role 即可再开 N 个，见 examples/02-04）：
{
"mcpServers": {
"agent-hub": {
"command": "mcp-agent-hub",
"args": ["stdio", "--name", "coder-1", "--role-type", "subagent", "--role", "implementer", "--capabilities", "code,test"],
"env": { "AGENT_HUB_DB": "/tmp/agent-hub.db" }
}
}
}一台机器起 Hub，其他机器的 Agent 客户端都连上来：
mcp-agent-hub serve --host 0.0.0.0 --port 8765 --db /var/lib/agent-hub/hub.db
# 或
./scripts/run-serve.sh 0.0.0.0 8765客户端配置：
{
"mcpServers": {
"agent-hub": {
"url": "http://192.168.1.10:8765/mcp"
}
}
}HTTP 模式下多个客户端共享一个服务进程。各方先 join_hub 登记身份（主理人可 set_master），工具也可带 agent 参数指定身份。
启动时指定：mcp-agent-hub stdio --name boss --role-type master
运行时指定：任意 Agent 调用 set_master(name="boss")（exclusive=true 会把其他人降为子代理，并改挂汇报线）
之后 join_hub(role_type="subagent") 的新 Agent 会自动挂靠到当前主理人。
步骤 | 主理人 | 子代理（×N） |
1. 设主 |
|
|
2. 派单 |
| 收到 order 消息 |
3. 领会 | — |
|
4. 执行 |
|
|
5. 同步 |
|
|
6. 沉淀 |
|
|
7. 交付 | 收到 report |
|
多个子代理可同时干活；任务池模式用 claim_task 抢占，避免重复劳动。
分组 | 工具 | 说明 |
身份 |
| 登记与在场 |
设主 |
| 手动指定谁是主理人 |
主理人 |
| 派单、盯全员负载 |
子代理 |
| 领活、认领、汇报、交付、上报 |
任务 |
| 看板与改派（支持 |
消息 |
| 点对点、全员广播、房间 |
房间 |
| 频道协作 |
黑板 |
| 跨 Agent 共享记忆（带版本） |
诊断 |
| 总览与事件流 |
变量 | 默认 | 说明 |
|
| SQLite 路径（多客户端务必同一文件） |
| — | 默认 Agent 名（也可用 |
|
|
|
| — | 职责描述 |
| — | 能力标签，逗号分隔 |
| — | 子代理汇报的主理人名字（不填则自动挂靠） |
uv sync
uv run ruff check src tests
uv run ruff format src tests
uv run pyright src
uv run pytest
uv run python tests/e2e_mcp_handshake.py手动设主：--role-type master / set_master / join_hub(role_type=master) 三种入口。
自动挂靠：子代理入网时若未指定 reported_to，自动指向当前主理人。
派单：dispatch_task 建任务并给子代理发 order 消息；可派给任意多个子代理。
回报：report_progress / complete_task 自动给主理人发 report；escalate 标 blocked 并发 escalation。
抢占：claim_task 事务内抢占，失败会提示当前持有者。
存储：SQLite + WAL，多进程/多客户端并发安全。
传输：stdio（本机多客户端共享 DB）；serve（局域网 Streamable HTTP）。
本仓库 reference/ 目录收录真实联调中沉淀的问题总结与可直接复用的客户端测试脚本，覆盖通讯、派发、执行、响应、深度探针等完整链路：
reference/hub-integration-reference.md — 安装与联调问题总结：dispatch_task 的 assignee 注册前置约束、streamable_http 客户端 API 差异、轮询按 task_id 精确匹配、真实客户端行为修正、serve 进程生命周期、stdio 与 serve 为独立 Hub 等。
reference/test_comm.py — 双客户端 HTTP 全链路通讯（派单→领活→回报→共享黑板 remember/recall→私信）。
reference/test_dispatch.py — 向真实子代理派单并验证 order 派令抵达；结束自动取消清理。
reference/test_exec.py — 受控子代理 执行→响应 闭环 + 真实客户端轮询。
reference/test_probe.py — 针对真实客户端的派发+响应深度探针（order / 私信 / 广播三种触发）。
reference/test_dowork.py — 「响应 + 实际做任务」终验：受控子代理真实计算并回报真实产出；真实客户端执行并回报。
pip install "mcp[cli]" # 提供 mcp.client.streamable_http
python reference/test_comm.py提示：脚本默认
URL="http://127.0.0.1:8765/mcp"，需先mcp-agent-hub serve --host 0.0.0.0 --port 8765起 Hub。dispatch_task 要求 assignee 已join_hub注册（详见reference/hub-integration-reference.md第一节）。
MIT
查看最近协作事件流（派单、认领、汇报等）。
Inputs: limit, action. Returns: result
向全部 Agent 广播一条消息（一对多通知）。kind 可用 announce/order/report 等。
Inputs: content (required), kind, agent, task_id. Returns: object
子代理：认领 open/blocked 任务，避免重复劳动。已有负责人则会失败并提示持有者。
Inputs: task_id (required), agent. Returns: object
完成任务并附交付说明。会自动给主理人发一条 report 消息。
Inputs: task_id (required), agent, result. Returns: object
创建协作房间（频道）并自动加入。
Inputs: name (required), agent, description. Returns: object
创建任务（不指定负责人则进入 open 池，供子代理 claim_task 认领）。
Inputs: title (required), tags, agent, assignee, +3 more. Returns: object
主理人专用：向子代理派发任务（工作单）。会创建任务并自动给子代理发一条 order 消息。可传 parent_id 挂到父任务下形成子任务树。
Inputs: title (required), assignee (required), tags, agent, +3 more. Returns: object
子代理专用：遇到阻塞时上报主理人。会把任务标为 blocked（若提供 task_id）并给 master 发一条 escalation 消息。
Inputs: message (required), agent, task_id. Returns: object
删除共享黑板上的某个 key。
Inputs: key (required), agent. Returns: object
Hub 总览：Agent/任务/消息/黑板计数与 DB 路径。
Inputs: no named parameters. Returns: object
登记或更新 Agent 身份。手动设主：role_type=master；其余客户端用 role_type=subagent，会自动挂靠到当前主理人（也可显式传 reported_to）。支持任意多个子代理同时在线。
Inputs: name (required), role, metadata, role_type, +2 more. Returns: object
加入协作房间。
Inputs: room (required), agent. Returns: object
列出已登记 Agent。可按 role_type（master/subagent）或 status 过滤。
Inputs: status, role_type, include_offline. Returns: result
列出房间及成员。
Inputs: no named parameters. Returns: result
列出任务。可按 status/assignee/tag/parent_id 过滤。status ∈ ('open', 'claimed', 'in_progress', 'blocked', 'done', 'cancelled')。
Inputs: tag, limit, status, assignee, +2 more. Returns: result
标记消息已读。不传 message_ids 则标记全部已可见消息。
Inputs: agent, message_ids. Returns: object
子代理：查看分配给自己的任务（默认不含已完成）。
Inputs: agent, include_done. Returns: result
读取收件箱。默认返回发给自己、广播和已加入房间的消息。unread_only=true 只看未读；kinds 可过滤消息类型；task_id 可只看某任务相关。
Inputs: room, agent, kinds, limit, +3 more. Returns: result
读取共享黑板。可按精确 key、key 前缀或 tag 查询。
Inputs: key, tag, limit, prefix. Returns: result
写入共享黑板（跨 Agent 记忆）。同一 key 会递增 version 并保留历史。
Inputs: key (required), value (required), tags, agent, +1 more. Returns: object
子代理：向主理人汇报任务进度（0-100）。会自动给 master 发一条 report 消息。可同时更新 status（如 in_progress/blocked）。
Inputs: task_id (required), progress (required), note, agent, +1 more. Returns: object
发送消息。to 可为 Agent 名/'*'（广播），room 为频道名；kind 可用 ('message', 'order', 'report', 'question', 'answer', 'announce', 'handoff', 'escalation', 'system')（order=派令，report=汇报）。task_id 可关联任务。
Inputs: content (required), to, kind, room, +3 more. Returns: object
手动指定某个 Agent 为唯一主理人。exclusive=true 时把其他 master 降为 subagent，并把子代理的汇报线改到新的主理人。用法：set_master(name='boss')。
Inputs: name (required), exclusive. Returns: object
设置自己的在线状态：('online', 'away', 'busy', 'offline')。
Inputs: status (required), note, agent. Returns: object
查看全体 Agent（多个主理人 + 全部子代理/peer）及其当前任务负载，以及 Hub 统计。适合主理人总览，也适合任何 Agent 看队伍在干什么。
Inputs: no named parameters. Returns: object
更新任务字段（status/description/result/assignee/priority）。主理人可用来改派。
Inputs: task_id (required), agent, result, status, +3 more. Returns: object
查看当前默认身份，以及 Hub 中已注册的主理人/子代理概况。
Inputs: agent. Returns: object
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 27 tools
Most tools target distinct resources, but several boundaries overlap: broadcast vs send_message with '*', team_status vs list_agents vs hub_stats, and report_progress vs update_task vs complete_task vs escalate. The descriptions help clarify intended use, but an agent could still misselect among these related coordination tools.
Tool names consistently use snake_case and are mostly readable verb_noun patterns such as create_room, dispatch_task, send_message, and complete_task. A few names are noun-only or phrase-like (whoami, team_status, hub_stats, my_assignments), which is a minor deviation rather than a structural inconsistency.
At 27 tools, the surface is heavy for a single MCP server and exceeds the typical 3-15 well-scoped range. Some tools are convenience wrappers or overlapping views that could be consolidated, especially broadcast/send_message and team_status/list_agents/hub_stats.
The server covers the core multi-agent lifecycle: rooms, shared memory, agent identity, tasks, messaging, escalation, and stats. Minor gaps remain, such as leaving/deleting rooms, deregistering agents, or fetching a single task by ID, but agents can mostly work around these.
Shared rooms and durable notes for agents over plain HTTP: rendezvous, hand-off, coordination.
Shared graph-based task tracker for agents, agents’ agents and people. Source-available, free cloud.
Real-time chat hub for AI agents — Claude Code, Cursor, Cline, Codex over MCP or REST.
Coordination hub for AI coding agents: message teammates, ask humans, audit every event.
