Multi-Agent MCP Orchestrator

一个企业级、自主式 AI 编排系统，基于 LangGraph 构建，利用 Model Context Protocol (MCP) 将 LLM 无缝连接到本地环境、向量数据库和云 API。

架构亮点

1. 监督者路由（LangGraph）

• 从单体工具调用代理过渡到分布式 MultiServerMCPClient 架构。

• 实现了严格的系统提示注入，以动态控制代理行为（例如，强制使用 Google Sheets 默认值），而不会污染用户查询。

• 通过 GraphState 处理状态路由，允许在完全隔离的 MCP 服务器之间进行无缝的多步骤工具链式调用。

2. 自愈式 RAG 知识库（ragsystem.py）

• 使用 LlamaParse 构建了自定义 Pinecone 混合搜索向量数据库，用于结构化 Markdown 提取。

• 清除并替换机制： 实现了摄取前的元数据过滤（index.delete(filter={"source": filepath})）。这可以防止在重新摄取更新后的源文件时产生向量重复，从而保持纯净的上下文窗口。

3. 自定义 Google Workspace 服务器（workspace_custom.py）

• 绕过了功能有限的社区 MCP 包，构建了一个直接与 Google Docs 和 Sheets REST API 交互的原生 Python MCP 服务器。

• 功能： * create_sheet 和 write_sheet：使用 Google 的 USER_ENTERED 解析进行基于矩阵（二维数组）的行追加。

  • create_doc 和 append_doc：动态计算 EOF 索引，以安全地将文本注入到深度嵌套的 Google Docs JSON 树中。

4. 跨平台集成

该编排器能够在单次对话轮次中，成功地将复杂工作流路由到多个相互隔离的领域：

• 本地文件系统： 通过标准 I/O 传输进行读写访问。

• Notion： 通过官方 @modelcontextprotocol/server-notion 进行文档检索。

• DuckDuckGo： 通过 duckduckgo-mcp-server 进行零认证网络搜索。

• Todoist： 通过自定义 FastMCP REST API 服务器进行任务管理和创建。

Related MCP server: Google Workspace MCP Server

先决条件与安装

1. 环境设置

本项目使用 uv 进行极速包管理。请确保已安装 Python 3.12+ 和 uv。

# 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