agentcast-mcp

Ein MCP-Server, der KI-Assistenten die Fähigkeit verleiht, strukturierte Ausgaben zu erzwingen: JSON aus unordentlichem LLM-Text zu extrahieren, es gegen eine Formspezifikation zu prüfen und eine Feedback-Nachricht für Wiederholungsversuche zu erstellen, wenn das Modell die falsche Form zurückgibt.

Aufgebaut auf @mukundakatta/agentcast. Funktioniert mit Claude Desktop, Cursor, Cline, Windsurf, Zed und jedem anderen MCP-Client.

Verfügbare Tools

extract_json

Extrahiert einen JSON-Wert aus unordentlicher LLM-Ausgabe. Versucht es mit dem gesamten Text, dann mit einem eingezäunten ```json ```-Block und schließlich mit dem größten balancierten {...} / [...]-Teilstring. Gibt den geparsten Wert sowie die erfolgreiche Strategie zurück.

{
  "text": "Sure, here you go:\n```json\n{\"answer\": 42}\n```\nLet me know!"
}

→

{
  "value": { "answer": 42 },
  "found": true,
  "source": "fenced_json"
}

source ist einer der Werte whole, fenced_json, fenced_plain, balanced_substring oder none.

validate_response

Validiert einen geparsten JSON-Wert anhand einer agentcast-Formspezifikation. Die Spezifikation ordnet Feldnamen Typen zu: string, number, boolean, array, object. Mit ? für optional ergänzen.

{
  "value": { "name": "ada" },
  "shape": { "name": "string", "age": "number" }
}

→

{
  "valid": false,
  "error": "missing required field 'age'"
}

build_retry_prompt

Erstellt basierend auf der bisherigen Historie die Validierungsfehler-Feedback-Nachricht, die agentcast an die Konversation anhängt, wenn das Modell die falsche Form zurückgegeben hat. Kodifiziert das Muster "Validierungsfehler als Feedback" für Nicht-Node-MCP-Clients, die dieselbe Wiederholungsschleife manuell steuern möchten.

{
  "attempts": [
    { "text": "{\"name\":\"ada\"}", "error": "missing required field 'age'" }
  ],
  "expected_shape": { "name": "string", "age": "number" }
}

→

{
  "feedback": "Your previous response did not match the required shape. Error: missing required field 'age'\n\nTry again. Respond with ONLY valid JSON that fixes the error above.\n\nExpected shape: {\"name\":\"string\",\"age\":\"number\"}"
}

Related MCP server: JSONShelf

Installation

Claude Desktop

Fügen Sie dies zu claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "agentcast": {
      "command": "npx",
      "args": ["-y", "@mukundakatta/agentcast-mcp"]
    }
  }
}

Cursor / Cline / Windsurf / Zed

Gleiche Struktur, in der entsprechenden mcp.json für Ihren Client. Die meisten Clients erkennen dies automatisch über npx -y @mukundakatta/agentcast-mcp.

Lokale Installation

npm install -g @mukundakatta/agentcast-mcp
mcp-agentcast        # listens on stdio

Warum das wichtig ist

Wenn ein LLM strukturierte Daten zurückgeben soll, verpackt es das JSON manchmal in Prosa, Begrenzungen oder halluzinierte Felder. Standard JSON.parse wirft Fehler. Selbst geschriebene Regex-Ausdrücke übersehen verschachtelte Strukturen. Dieser MCP-Server gibt jedem Modell, das einen Agenten steuert, eine echte Möglichkeit, (1) JSON aus der Antwort zu ziehen, (2) zu prüfen, ob es der erwarteten Form entspricht, und (3) die exakte Wiederholungsaufforderung zu erstellen, die das Modell dazu anregt, es im nächsten Schritt zu korrigieren.

Lizenz

MIT.