Multi-Agent MCP Orchestrator

Ein unternehmensreifes, autonomes KI-Orchestrierungssystem, das mit LangGraph aufgebaut ist und das Model Context Protocol (MCP) nutzt, um LLMs nahtlos mit lokalen Umgebungen, Vektordatenbanken und Cloud-APIs zu verbinden.

Architektonische Highlights

1. Das Supervisor-Routing (LangGraph)

• Wechselte von einem monolithischen Tool-Calling-Agenten zu einer verteilten MultiServerMCPClient-Architektur.

• Implementierte strikte System-Prompt-Injection, um das Agentenverhalten dynamisch zu steuern (z. B. Erzwingen von Google-Sheets-Standardwerten), ohne Benutzerabfragen zu verunreinigen.

• Verwaltete das Zustands-Routing über GraphState, um nahtloses Multi-Step-Tool-Chaining über vollständig isolierte MCP-Server zu ermöglichen.

2. Selbstheilender RAG-Vault (ragsystem.py)

• Baute eine benutzerdefinierte Pinecone-Hybrid-Search-Vektordatenbank mit LlamaParse für die strukturelle Markdown-Extraktion auf.

• Wipe-and-Replace-Mechanismus: Implementierte Pre-Ingestion-Metadatenfilterung (index.delete(filter={"source": filepath})). Dies verhindert Vektor-Duplikate beim erneuten Aufnehmen aktualisierter Quelldateien und erhält ein makelloses Kontextfenster.

3. Benutzerdefinierter Google-Workspace-Server (workspace_custom.py)

• Umging begrenzte Community-MCP-Pakete, um einen puren Python-MCP-Server zu bauen, der direkt mit den Google-Docs- und Sheets-REST-APIs interagiert.

• Funktionen: * create_sheet & write_sheet: Matrixbasiertes (2D-Array) Zeilen-Anhängen unter Verwendung von Googles USER_ENTERED-Parsing.

  • create_doc & append_doc: Dynamische EOF-Index-Berechnung, um Text sicher in stark verschachtelte Google-Docs-JSON-Bäume einzufügen.

4. Plattformübergreifende Integrationen

Dieser Orchestrator leitet komplexe Workflows in einer einzigen Konversationsrunde erfolgreich über mehrere isolierte Domänen:

• Lokales Dateisystem: Lese-/Schreibzugriff über Standard-I/O-Transport.

• Notion: Dokumentabruf über das offizielle @modelcontextprotocol/server-notion.

• DuckDuckGo: Zero-Auth-Websuche über duckduckgo-mcp-server.

• Todoist: Aufgabenverwaltung und -erstellung über einen benutzerdefinierten FastMCP-REST-API-Server.

Related MCP server: Generic MCP Server for Google Workspace

Voraussetzungen & Installation

1. Umgebungseinrichtung

Dieses Projekt verwendet uv für blitzschnelles Paketmanagement. Stellen Sie sicher, dass Python 3.12+ und uv installiert sind.

# Clone the repository
git clone [https://github.com/yourusername/multi-agent-orchestrator.git](https://github.com/yourusername/multi-agent-orchestrator.git)
cd multi-agent-orchestrator

# Install dependencies via uv
uv venv
uv pip install -r requirements.txt