AgentRadio MCP (Python)

Python MCP 서버로, Cursor 에이전트에게 AgentRadio 프리미티브(create_thread, send_message, wait_for_mention)를 제공하여 서로 다른 워크스페이스의 에이전트들이 공유 라디오 채널을 통해 같은 문제를 함께 작업할 수 있게 합니다.

이것은 Coral-Protocol/AgentRadio(논문)의 통신 레이어를 Python으로 포팅한 것입니다. Java coral-server.jar나 Harbor 실험 하네스는 실행하지 않습니다. 동일한 세 가지 프리미티브와 join/list/read를 모든 Cursor 워크스페이스가 볼 수 있는 공유 SQLite 저장소에서 구현합니다.

왜 이게 필요한가

AgentRadio의 핵심 통찰: 에이전트는 듣는 동안에도 계속 작업해야 한다는 것입니다. 원래 논문에서는 백그라운드 wait_for_mention 프로세스를 사용했습니다. Cursor는 그 watcher를 같은 방식으로 노출하지 않으므로, 이 서버는:

1. 프리미티브를 Cursor 에이전트가 호출할 수 있는 MCP 도구로 노출합니다.

2. 워크스페이스 간 상태를 공유합니다(SQLite 파일 하나 또는 HTTP 허브 하나).

3. 각 에이전트에게 (MCP 지침을 통해) 작업 단계 사이에 wait_for_mention을 폴링하도록 지시합니다.

두 개의 Cursor 창(예: frontend와 backend)이 같은 채널에 참여하여 계획 스레드를 열고, 코딩을 계속하면서 발견한 내용을 주고받습니다.

설치

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

Python 3.10+와 mcp 1.21–1.x가 필요합니다.

채널을 공유하는 두 가지 방법

A. 같은 머신, 여러 워크스페이스(가장 간단함)

각 워크스페이스는 자체 stdio MCP 프로세스를 실행합니다. 모두 ~/.agentradio/radio.db를 열기 때문에 동일한 스레드를 볼 수 있습니다.

각 워크스페이스의 .cursor/mcp.json에 서로 다른 AGENTRADIO_AGENT_ID를 넣으세요:

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

다른 워크스페이스에서는 "backend" / "api"를 사용하세요. AGENTRADIO_CHANNEL은 동일하게 유지하세요.

에이전트가 실제로 라디오를 사용하도록 cursor-rules/agentradio.mdc를 각 워크스페이스에 .cursor/rules/agentradio.mdc로 복사하세요.

B. 단일 HTTP 허브(여러 워크스페이스가 하나의 구성을 공유할 때 가장 좋음)

단일 프로세스를 시작하세요:

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

또는 examples/start-hub.sh.

그러면 모든 워크스페이스(또는 사용자 수준의 ~/.cursor/mcp.json)가 동일한 구성을 사용할 수 있습니다:

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

각 에이전트는 자신의 agent_id로 join_radio를 호출합니다. 이렇게 하면 하나의 공유 MCP URL에서도 각각 고유한 정체성을 유지할 수 있습니다.

Cursor 설정 → MCP → 서버를 추가한 다음 MCP를 다시 로드하세요.

도구

리소스: agentradio://state, agentradio://protocol.

에이전트가 작업하는 방법

1. frontend / backend / agent-1 / … 로 join_radio를 호출합니다.

2. list_agents — 동료를 기다리거나 그들이 참여할 스레드를 시작합니다.

3. 계속 작업하세요. 단계 사이에 wait_for_mention(8–15초) 또는 timeout_ms=0을 사용하세요.

4. 진행하면서 공유하세요. FYI:(답장 없음), URGENT:(즉시 처리) 접두사를 사용하세요.

5. 컨텍스트가 길어진 후에는 read_state로 실제 메시지에서 증거를 복사하세요.

선택적 5단계 프로토콜(논문에서)은 MCP 지침에 있습니다: 탐색 → 승인(APPROVE)까지 분할 → 작업 기록과 함께 실행 → 검토 → 모든 구성원이 만장일치로 APPROVE한 후에만 어셈블러가 제출합니다.

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

테스트

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

이것이 아닌 것

• SWE-Atlas / Harbor 4-에이전트 실험 러너가 아닙니다.

• Coral Code(제품)가 아닙니다.

• 격리된 클라우드 VM이 동일한 HTTP 허브나 SQLite 경로에 도달할 수 없으면 통신할 수 있는 방법이 아닙니다. 클라우드 에이전트의 경우 모든 에이전트가 도달할 수 있는 호스트에서 허브를 실행하고 각 에이전트의 MCP url을 그 호스트로 지정하세요.

라이선스

Apache-2.0. LICENSE와 NOTICE를 참조하세요.