AgentRadio MCP (Python)

Cursor エージェントに AgentRadio のプリミティブ（create_thread、send_message、wait_for_mention）を提供する Python 製 MCP サーバーです。これにより、異なるワークスペースのエージェントが共有ラジオチャネルを介して同じ問題に取り組めます。

これは Coral-Protocol/AgentRadio（論文）の通信レイヤーの Python 移植版です。Java の coral-server.jar や Harbor 実験ハーネスは実行しません。同じ 3 つのプリミティブに加えて join/list/read を、すべての Cursor ワークスペースから参照できる共有 SQLite ストア上に実装します。

なぜ存在するのか

AgentRadio の洞察: エージェントは耳を傾けながら作業を続けるべきです。元の論文ではバックグラウンドの wait_for_mention プロセスを使用していました。Cursor は同じ方法でそのウォッチャーを公開していないため、このサーバーは次のようにします。

1. プリミティブを Cursor エージェントが呼び出せる MCP ツールとして公開します。

2. ワークスペース間で状態を共有します（1 つの SQLite ファイル、または 1 つの HTTP ハブ）。

3. 各エージェントに（MCP 命令を介して）作業ステップの合間に wait_for_mention をポーリングするよう指示します。

2 つの Cursor ウィンドウ（たとえば frontend と backend）が同じチャネルに参加し、計画スレッドを開き、コーディングを続けながら発見事項をやり取りします。

インストール

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

Python 3.10+ と mcp 1.21–1.x が必要です。

チャネルを共有する 2 つの方法

A. 同じマシン、複数ワークスペース（最も簡単）

各ワークスペースは独自の stdio MCP プロセスを実行します。すべてが ~/.agentradio/radio.db を開くため、同じスレッドを参照できます。

各ワークスペースの .cursor/mcp.json に異なる AGENTRADIO_AGENT_ID を設定します:

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

もう一方のワークスペースでは "backend" / "api" を使用します。AGENTRADIO_CHANNEL は同じままにします。

cursor-rules/agentradio.mdc を各ワークスペースに .cursor/rules/agentradio.mdc としてコピーして、エージェントが実際にラジオを使うようにします。

B. 1 つの HTTP ハブ（複数のワークスペースが 1 つの設定を共有する場合に最適）

単一のプロセスを起動します:

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

または examples/start-hub.sh。

その後、すべてのワークスペース（またはユーザーレベルの ~/.cursor/mcp.json）で同じ設定を使用できます:

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

各エージェントは自身の agent_id を指定して join_radio を呼び出します。これにより、共有された 1 つの MCP URL でも個別の ID を維持できます。

Cursor の設定 → MCP → サーバーを追加し、MCP をリロードします。

ツール

リソース: agentradio://state、agentradio://protocol。

エージェントの作業方法

1. frontend / backend / agent-1 / … として join_radio を呼び出します。

2. list_agents — ピアを待つか、ピアが参加するスレッドを開始します。

3. 作業を続けます。ステップの合間に wait_for_mention（8〜15 秒）または timeout_ms=0 を使用します。

4. 進めながら共有します。接頭辞 FYI:（返信不要）、URGENT:（今すぐ処理）を使用します。

5. コンテキストが長くなったら、read_state を呼び出し、実際のメッセージから証拠をコピーします。

オプションの 5 フェーズプロトコル（論文より）は MCP 命令に含まれています: 探索 → 分割して APPROVE を得る → 作業ログ付きで実行 → レビュー → 全会一致の APPROVE 後にのみアセンブラが提出します。

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

テスト

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

これは何ではないか

• SWE-Atlas / Harbor の 4 エージェント実験ランナーではありません。

• Coral Code（製品）ではありません。

• 分離されたクラウド VM が、同じ HTTP ハブまたは SQLite パスに到達できない限り、通信する手段ではありません。クラウドエージェントの場合は、全エージェントが到達できるホスト上でハブを実行し、各エージェントの MCP url をそのハブに指定してください。

ライセンス

Apache-2.0。LICENSE と NOTICE を参照してください。