Multi-Agent MCP Orchestrator

LangGraph で構築されたエンタープライズグレードの自律型 AI オーケストレーションシステム。Model Context Protocol (MCP) を利用して、LLM をローカル環境、ベクターデータベース、クラウド API にシームレスに接続します。

アーキテクチャのハイライト

1. スーパーバイザールーティング (LangGraph)

• モノリシックなツール呼び出しエージェントから、分散型の MultiServerMCPClient アーキテクチャへ移行しました。

• 厳格なシステムプロンプトインジェクションを実装し、ユーザークエリを汚染することなくエージェントの動作を動的に制御します（例: Google Sheets のデフォルトを強制）。

• GraphState を介した状態ルーティングを処理し、完全に分離された MCP サーバー間でのシームレスなマルチステップツールチェーンを可能にしました。

2. 自己修復型 RAG ボールト (ragsystem.py)

• LlamaParse を使用した構造的マークダウン抽出のためのカスタム Pinecone Hybrid Search ベクターデータベースを構築しました。

• ワイプアンドリプレースメカニズム: 取り込み前のメタデータフィルタリング (index.delete(filter={"source": filepath})) を実装しました。これにより、更新されたソースファイルを再取り込みする際のベクター重複を防ぎ、クリーンなコンテキストウィンドウを維持します。

3. カスタム Google Workspace サーバー (workspace_custom.py)

• 制限のあるコミュニティ MCP パッケージを回避し、Google Docs および Sheets REST API と直接対話する素の Python MCP サーバーを構築しました。

• 機能: * create_sheet および write_sheet: Google の USER_ENTERED パーシングを使用したマトリックスベース（2D 配列）の行追加。

  • create_doc および append_doc: 動的な EOF インデックス計算により、深くネストされた Google Docs JSON ツリーにテキストを安全に注入します。

4. クロスプラットフォーム統合

このオーケストレーターは、単一の会話ターンで複数の分離されたドメインに複雑なワークフローを正常にルーティングします：

• ローカルファイルシステム: 標準 I/O トランスポートを介した読み取り/書き込みアクセス。

• Notion: 公式の @modelcontextprotocol/server-notion を介したドキュメント取得。

• DuckDuckGo: duckduckgo-mcp-server を介した認証不要のウェブ検索。

• Todoist: カスタム FastMCP REST API サーバーを介したタスク管理と作成。

Related MCP server: Google Workspace MCP Server

前提条件とインストール

1. 環境セットアップ

このプロジェクトは、超高速のパッケージ管理に uv を使用しています。Python 3.12+ と uv がインストールされていることを確認してください。

# 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