Agent-Cortex
Allows interaction with any REST API that provides a Swagger/OpenAPI specification, enabling natural language queries and commands against the API via MCP tools.
Click on "Install 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., "@Agent-Cortexlist my recent orders"
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.
Hubloom
Hubloom 是一个开源的企业智能体互联与编排平台
给企业现有 REST 后台接一层自然语言入口:用户用对话的方式查数据、调接口,而无需改动原有业务系统。传入 Swagger/OpenAPI 即可自动生成可调用的工具集;经评估路由分流为快答 / 深度思考两条路径,安全、可解释地调用企业 API,并支持会话历史及可选的记忆与 RAG 增强。
Hubloom 不仅是「用自然语言操作 API」,更是企业智能体技术栈中的编排与互联枢纽。MCP 负责连接工具与数据(已支持);A2A 为下一步推进方向,用于跨 Agent 任务委托;ANP 在路线图中,面向更开放的 Agent 互联协作。
在线体验
在左侧填写模型 API Key 与 Swagger 接入信息,点击「连接 Swagger」即可开始对话。密钥仅保存在浏览器本地,不会上传服务端。免费实例闲置后会休眠,首次打开可能需要等待约 30~60 秒。
Related MCP server: Swagger MCP
特性
Swagger → MCP:从 OpenAPI/Swagger 动态生成工具,换一套 API 只需改环境变量
双路径编排:评估路由后自动分流——简单问答走快答,查数/调接口走深度思考
真实 API 调用:深度思考路径通过 MCP 调用企业 REST API,基于真实返回作答,不编造业务数据
可解释执行:展示推理与工具调用过程,回复可追溯、可核对
会话与增强:多轮对话历史;可选长期记忆与 RAG 知识库
架构文档
Hubloom 采用分层设计:用户侧 Web 对话 → ADP 编排(快答 / 深思考)→ MCP 适配(Swagger 转工具、代理企业 API)→ 可选的长期记忆与 RAG 增强。各层职责与链路详见 docs/:
文档 | 说明 |
系统分层、内部展开、深度思考时序 | |
Assessor 路由、Chat / Thought 双路径 | |
OpenAPI 管线、Gateway / Worker、Token 透传 | |
ToolRegistry、ToolRunner 与内置工具 | |
会话 / 长期记忆、Handler 层、离线提炼 | |
文档入库、向量检索、 |
快速开始
环境要求
Python 3.12+
uv(推荐)或 pip
1. 安装依赖
uv sync或使用 pip:
pip install -r requirements.txt2. 配置环境变量
cp .env.example .env至少填写 OPENAI_API_KEY;对接业务 API 时配置 MCP_*:
OPENAI_API_KEY=sk-...
OPENAI_MODEL=...
OPENAI_BASE_URL=...
MCP_SWAGGER_URL=https://your-api.example.com/swagger/v1/swagger.json
MCP_BASE_URL=https://your-api.example.com
MCP_TOKEN=your-token完整变量见下方 配置说明。
3. 启动服务
PYTHONPATH=. uv run python main.py默认监听 http://127.0.0.1:8000。可通过 CORTEX_API_HOST、CORTEX_API_PORT 调整。
4. 开始对话
Web 对话页:http://127.0.0.1:8000/
API 文档:http://127.0.0.1:8000/docs
健康检查
curl http://127.0.0.1:8000/health调用对话接口
curl -s http://127.0.0.1:8000/v1/chat \
-H "Content-Type: application/json" \
-H "X-Session-Id: demo-session" \
-d '{"message":"你好,你能做什么?","stream":false}'默认开启 SSE 流式("stream": true)。生产接入时,建议由业务后端验签后转发请求,并透传 Authorization 与 X-Session-Id。
配置说明
复制 .env.example 为 .env 后按需修改。下表按用途分组,未列出的可选变量以 .env.example 为准。
LLM
变量 | 说明 |
| LLM API Key(必填) |
| 模型名称 |
| 兼容 OpenAI 的网关地址 |
| 请求超时(秒,默认 |
| 嵌入模型(RAG / 长期记忆,默认 |
MCP / 业务 API
变量 | 说明 |
| OpenAPI / Swagger 文档 URL 或本地路径 |
| 下游 API 根地址(spec 无法推断时必填) |
| 调用下游 API 的 Token |
| 认证前缀: |
未配置 MCP_SWAGGER_URL 时使用 Petstore 示例 spec。
会话与存储
变量 | 说明 |
| 未传 session 时的默认 namespace |
| 短 session 键套入模板(默认 |
| SQLite 对话历史路径(默认 |
| 满 N 轮用户消息后触发离线记忆提炼(默认 |
RAG 知识库(可选)
变量 | 说明 |
| 源文档路径,逗号分隔文件或目录;配置后启动时自动入库 |
|
|
| 向量索引持久化目录(默认 |
长期记忆(可选)
变量 | 说明 |
|
|
| Qdrant 向量库 |
| Neo4j 图记忆 |
|
|
HTTP 服务
变量 | 说明 |
| 监听地址(默认 |
| 监听端口(默认 |
|
|
日志
变量 | 说明 |
| 开启 Agent / MCP 调试日志 |
| 仅 ADP 编排日志(未设时跟随 |
| 仅记忆链路日志(未设时跟随 |
| 日志文件路径(默认 |
路线图
当前版本
OpenAPI → MCP 工具生成
评估路由 → 快答 / 深度思考双路径
HTTP API、SSE 流式与 Web 对话页
多轮会话(SQLite)
可选长期记忆与 RAG 知识库
MCP 适配层重构:统一 API 响应结构处理,精简 FastMCP 集成,Gateway + Worker 按 tag 分组
MCP 工具过滤:按 tag 限制暴露工具,适配大型 Swagger
下一步
A2A 协议接入:跨系统 Agent 任务委托与能力发现
Agent 互联编排:Hubloom 作为编排枢纽,支持将子任务委托给外部 Agent
A2A 与现有 ADP 集成:Assessor / Thought 路径扩展为多 Agent 协作场景
协议栈演进
MCP — 连接企业 API 与数据(已完成)
A2A — 跨系统 Agent 任务委托(进行中)
ANP — 更开放的 Agent 互联与协作(探索中)
许可证
本项目基于 Apache License 2.0 开源发布。
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Latest Blog Posts
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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/Zhong-y-j/Hubloom'
If you have feedback or need assistance with the MCP directory API, please join our Discord server