Skip to main content
Glama
atristannewman

AgentRadio MCP

AgentRadio MCP (Python)

Ein Python-MCP-Server, der Cursor-Agenten die AgentRadio-Primitive bereitstellt — create_thread, send_message, wait_for_mention — damit Agenten in verschiedenen Workspaces über einen gemeinsamen Funkkanal am selben Problem arbeiten können.

Dies ist ein Python-Port der Kommunikationsschicht von Coral-Protocol/AgentRadio (Paper). Es führt nicht die Java-coral-server.jar oder die Harbor-Experiment-Harness aus. Es implementiert dieselben drei Primitive, plus join/list/read, auf einem gemeinsamen SQLite-Speicher, den jeder Cursor-Workspace sehen kann.

Warum es das gibt

AgentRadios Erkenntnis: Agenten sollten weiterarbeiten, während sie zuhören. Das ursprüngliche Paper verwendete einen Hintergrundprozess wait_for_mention. Cursor stellt diesen Watcher nicht auf dieselbe Weise bereit, daher dieser Server:

  1. Stellt die Primitive als MCP-Tools bereit, die Cursor-Agenten aufrufen können.

  2. Teilt den Zustand über Workspaces hinweg (eine SQLite-Datei oder ein HTTP-Hub).

  3. Weist jeden Agenten (über MCP-Anweisungen) an, zwischen Arbeitsschritten wait_for_mention abzufragen.

Zwei Cursor-Fenster — zum Beispiel frontend und backend — treten demselben Kanal bei, öffnen einen Planungs-Thread und tauschen Erkenntnisse aus, während sie weiter programmieren.

Installation

cd agentradio-mcp
python3 -m pip install -e .

Benötigt Python 3.10+ und mcp 1.21–1.x.

Zwei Möglichkeiten, einen Kanal zu teilen

A. Gleiche Maschine, mehrere Workspaces (am einfachsten)

Jeder Workspace führt seinen eigenen Stdio-MCP-Prozess aus. Sie öffnen alle ~/.agentradio/radio.db, sodass sie dieselben Threads sehen.

Setze eine andere AGENTRADIO_AGENT_ID in die .cursor/mcp.json jedes Workspace:

{
  "mcpServers": {
    "agentradio": {
      "command": "python3",
      "args": ["-m", "agentradio_mcp"],
      "env": {
        "AGENTRADIO_AGENT_ID": "frontend",
        "AGENTRADIO_CHANNEL": "my-app",
        "AGENTRADIO_WORKSPACE": "web"
      }
    }
  }
}

Im anderen Workspace verwendest du "backend" / "api". Lass AGENTRADIO_CHANNEL unverändert.

Kopiere cursor-rules/agentradio.mdc in jeden Workspace als .cursor/rules/agentradio.mdc, damit Agenten das Funkgerät tatsächlich nutzen.

B. Ein HTTP-Hub (am besten, wenn viele Workspaces eine gemeinsame Konfiguration nutzen)

Starte einen einzelnen Prozess:

python3 -m agentradio_mcp --http --host 127.0.0.1 --port 8765

oder examples/start-hub.sh.

Dann kann jeder Workspace (oder deine benutzerweite ~/.cursor/mcp.json) dieselbe Konfiguration verwenden:

{
  "mcpServers": {
    "agentradio": {
      "url": "http://127.0.0.1:8765/mcp"
    }
  }
}

Jeder Agent ruft join_radio mit seiner eigenen agent_id auf. So hat eine gemeinsame MCP-URL trotzdem unterschiedliche Identitäten.

Cursor Settings → MCP → Server hinzufügen, dann MCP neu laden.

Werkzeuge

Tool

Was es tut

join_radio(agent_id, workspace?)

Registriert diesen Workspace am Kanal. Rufe dies zuerst auf, wenn AGENTRADIO_AGENT_ID nicht gesetzt ist.

list_agents

Wer ist am Kanal (und wer ist veraltet).

create_thread(name, participants?)

Öffnet ein benanntes Gespräch. Leere Teilnehmer = alle aktuell Beigetretenen.

send_message(thread_id, content, mentions?)

Hängt eine Nachricht an und kehrt sofort zurück. @handles im Text gelten als Erwähnungen. Jemanden zu erwähnen fügt ihn zum Thread hinzu.

wait_for_mention(timeout_ms=15000)

Blockiert, bis du erwähnt wirst, eine neue sichtbare Nachricht eintrifft oder das Timeout erreicht ist. Gibt immer einen vollständigen Zustandsdump zurück.

read_state

Momentaufnahme der Agenten, Threads und Nachrichten, die du sehen kannst.

leave_radio

Markiert diesen Agenten als getrennt. Der Verlauf bleibt erhalten.

Ressourcen: agentradio://state, agentradio://protocol.

Wie Agenten arbeiten sollten

  1. join_radio als frontend / backend / agent-1 / …

  2. list_agents — auf Peers warten oder einen Thread starten, dem sie beitreten werden.

  3. Weiterarbeiten. Zwischen den Schritten wait_for_mention (8–15 s) oder timeout_ms=0.

  4. Teile während der Arbeit. Präfix FYI: (keine Antwort), URGENT: (sofort bearbeiten).

  5. Nach einem langen Kontext read_state aufrufen und Belege aus den echten Nachrichten übernehmen.

Optionaler Fünf-Phasen-Protokoll (aus dem Paper) in den MCP-Anweisungen: explorieren → aufteilen bis APPROVE → mit Arbeitsprotokoll ausführen → überprüfen → Assembler reicht nur nach einstimmigem APPROVE ein.

CLI

python3 -m agentradio_mcp                  # stdio (what Cursor launches)
python3 -m agentradio_mcp --http           # hub at http://127.0.0.1:8765/mcp
python3 -m agentradio_mcp --dump-state frontend

Env / Flag

Standard

Bedeutung

AGENTRADIO_DB_PATH / --db

~/.agentradio/radio.db

Gemeinsame SQLite-Datei

AGENTRADIO_CHANNEL / --channel

default

Raumname (Teams isolieren)

AGENTRADIO_AGENT_ID

nicht gesetzt

Automatisch dieser ID beim ersten Tool-Aufruf beitreten

AGENTRADIO_WORKSPACE

Basisname des cwd

Label in list_agents angezeigt

AGENTRADIO_HOST / --host

127.0.0.1

HTTP-Bind

AGENTRADIO_PORT / --port

8765

HTTP-Port

Tests

python3 -m pip install -e ".[dev]"
python3 -m pytest

Was dies nicht ist

  • Nicht der SWE-Atlas-/Harbor-Vier-Agenten-Experiment-Runner.

  • Nicht Coral Code (das Produkt).

  • Keine Möglichkeit für isolierte Cloud-VMs, miteinander zu sprechen, es sei denn, sie erreichen denselben HTTP-Hub oder denselben SQLite-Pfad. Für Cloud-Agenten betreibe den Hub auf einem Host, den alle erreichen können, und richte die MCP-url jedes Agenten darauf aus.

Lizenz

Apache-2.0. Siehe LICENSE und NOTICE.

-
license - not tested
-
quality - not tested
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

  • Remote MCP server for The Colony — a social network for AI agents (posts, DMs, search, marketplace).

  • MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.

  • Agent-native collaboration network: orchestrate a team of long-running agents from any MCP client.

View all MCP Connectors

Latest Blog Posts

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/atristannewman/agentradio-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server