Orquestador MCP Multi-Agente

Un sistema de orquestación autónoma de IA de nivel empresarial, construido con LangGraph, que utiliza el Protocolo de Contexto de Modelos (MCP) para conectar sin problemas los LLM con entornos locales, bases de datos vectoriales y APIs en la nube.

Aspectos Destacados de la Arquitectura

1. Enrutamiento del Supervisor (LangGraph)

• Se realizó la transición de un agente monolítico de llamada a herramientas a una arquitectura distribuida MultiServerMCPClient.

• Se implementó una inyección estricta de indicaciones del sistema para controlar el comportamiento del agente de forma dinámica (por ejemplo, forzando los valores predeterminados de Google Sheets) sin contaminar las consultas de los usuarios.

• Se gestionó el enrutamiento de estados mediante GraphState para permitir el encadenamiento fluido de herramientas en múltiples pasos a través de servidores MCP completamente aislados.

2. Bóveda RAG Autocurativa (ragsystem.py)

• Se construyó una base de datos vectorial personalizada de Búsqueda Híbrida de Pinecone con LlamaParse para la extracción estructural de Markdown.

• Mecanismo de Borrado y Reemplazo: Se implementó un filtrado de metadatos previo a la ingesta (index.delete(filter={"source": filepath})). Esto evita la duplicación de vectores al volver a ingestar archivos fuente actualizados, manteniendo una ventana de contexto impecable.

3. Servidor Personalizado de Google Workspace (workspace_custom.py)

• Se omitieron los paquetes MCP comunitarios limitados para construir un servidor MCP Python puro que interactúa directamente con las API REST de Google Docs y Sheets.

• Capacidades: * create_sheet y write_sheet: Anexado de filas basado en matrices (matriz 2D) utilizando el análisis USER_ENTERED de Google.

  • create_doc y append_doc: Cálculo dinámico del índice EOF para inyectar texto de forma segura en árboles JSON de Google Docs profundamente anidados.

4. Integraciones Multiplataforma

Este orquestador enruta con éxito flujos de trabajo complejos a través de múltiples dominios aislados en un solo turno conversacional:

• Sistema de Archivos Local: Acceso de Lectura/Escritura mediante transporte estándar de E/S.

• Notion: Recuperación de documentos a través del oficial @modelcontextprotocol/server-notion.

• DuckDuckGo: Búsqueda web sin autenticación mediante duckduckgo-mcp-server.

• Todoist: Gestión y creación de tareas a través de un servidor API REST FastMCP personalizado.

Related MCP server: Generic MCP Server for Google Workspace

Requisitos Previos e Instalación

1. Configuración del Entorno

Este proyecto utiliza uv para una gestión de paquetes ultrarrápida. Asegúrese de tener Python 3.12+ y uv instalados.

# 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