MCP-Agent-Orchestrierungssystem

Eine Python-Implementierung eines zustandsbasierten Agenten-Orchestrierungssystems unter Verwendung des Model Context Protocol (MCP).

Was ist MCP?

Das Model Context Protocol (MCP) ermöglicht Anwendungen die standardisierte Bereitstellung von Kontext für LLMs und trennt so die eigentliche LLM-Interaktion. Mit MCP können Sie Server erstellen, die Folgendes bereitstellen:

• Ressourcen : Datenquellen, die LLMs Informationen liefern

• Tools : Funktionen, die es LLMs ermöglichen, Aktionen auszuführen

• Eingabeaufforderungen : Wiederverwendbare Vorlagen für LLM-Interaktionen

Related MCP server: MCP-RAG

Installation

Voraussetzungen

• Python 3.10 oder höher

• MCP Python SDK 1.2.0 oder höher

Einrichten Ihrer Umgebung

Verwendung von UV (empfohlen)

# Install uv
curl -LsSf https://astral.sh/uv/install.sh | sh

# Create a new directory for our project
uv init mcp-agents-orchestra
cd mcp-agents-orchestra

# Create virtual environment and activate it
uv venv
source .venv/bin/activate  # On Unix/macOS
.venv\Scripts\activate     # On Windows

# Install dependencies
uv add "mcp[cli]" httpx

Verwenden von pip

# Create a new directory for our project
mkdir mcp-agents-orchestra
cd mcp-agents-orchestra

# Create a virtual environment
python -m venv venv
source venv/bin/activate  # On Unix/macOS
venv\Scripts\activate     # On Windows

# Install dependencies
pip install "mcp[cli]" httpx

Projektdateien klonen oder herunterladen

Platzieren Sie die Projektdateien in Ihrem Verzeichnis:

• orchestrator.py – Der Haupt-MCP-Server, der die Zustandsmaschine implementiert

• orchestrator_client.py – Client, der den Orchestrierungsfluss demonstriert

• requirements.txt – Abhängigkeiten für das Projekt

• .gitignore – Git-Ignorierdatei

Projektstruktur

• orchestrator.py – Der Haupt-MCP-Server, der die Zustandsmaschine implementiert

• orchestrator_client.py – Client, der den Orchestrierungsfluss demonstriert

• requirements.txt – Abhängigkeiten für das Projekt

Ausführen des Orchestrierungssystems

1. Starten Sie den Orchestrierungsserver zum Testen direkt:

python orchestrator.py

2. Führen Sie den Client in einem separaten Terminal aus, um die Orchestrierung in Aktion zu sehen:

python orchestrator_client.py

Integration mit Claude für Desktop

1. Installieren Sie Claude für Desktop

Stellen Sie sicher, dass Sie Claude für Desktop installiert haben. Sie können die neueste Version von der Anthropic-Website herunterladen.

2. Konfigurieren Sie Claude für den Desktop

1. Öffnen Sie Ihre Claude for Desktop-Konfigurationsdatei:

   macOS/Linux:

   # Create or edit the configuration file
   code ~/Library/Application\ Support/Claude/claude_desktop_config.json

   Windows:

   # Path may vary depending on your Windows version
   code %APPDATA%\Claude\claude_desktop_config.json

2. Fügen Sie die Orchestrator-Serverkonfiguration hinzu:

   {
       "mcpServers": {
           "agent-orchestrator": {
               "command": "python",
               "args": [
                   "/ABSOLUTE/PATH/TO/YOUR/PROJECT/orchestrator.py"
               ]
           }
       }
   }

   Ersetzen Sie den Pfad durch den absoluten Pfad zu Ihrer Datei orchestrator.py.

3. Speichern Sie die Konfigurationsdatei und starten Sie Claude for Desktop neu.

3. Verwenden des Orchestrators in Claude

Nach der Konfiguration können Sie:

1. Öffnen Sie Claude für Desktop

2. Klicken Sie in der Seitenleiste auf das MCP-Serversymbol

3. Wählen Sie „Agent-Orchestrator“ aus der Liste der verfügbaren Server

4. Beginnen Sie mit der Interaktion mit dem Orchestrierungssystem

Claude wird in der Lage sein:

• Übergang zwischen verschiedenen Agentenzuständen

• Speichern und Abrufen von Informationen aus der Wissensdatenbank

• Behalten Sie den Konversationskontext über Statusübergänge hinweg bei

• Zugriff auf statusspezifische Eingabeaufforderungen

Agentenzustände

Das Orchestrierungssystem implementiert eine Zustandsmaschine mit den folgenden Zuständen:

• IDLE : Wartet auf Anweisungen

• PLANUNG : Erstellen eines strukturierten Plans für eine Aufgabe

• RECHERCHIEREN : Sammeln der für eine Aufgabe benötigten Informationen

• AUSFÜHREN : Durchführen geplanter Aktionen

• ÜBERPRÜFEN : Ergebnisse auswerten und nächste Schritte festlegen

• FEHLER : Handhabung von Fehlern oder unerwarteten Situationen

Anpassen des Systems

Neue Staaten hinzufügen

1. Fügen Sie den Status zur AgentState -Aufzählung in orchestrator.py hinzu

2. Erstellen Sie eine Eingabeaufforderungsfunktion für den neuen Status

3. Aktualisieren Sie die Übergangslogik in _get_available_transitions()

4. Hinzufügen von Handlern für den neuen Status in Ressourcenzugriffsfunktionen

Erstellen benutzerdefinierter Tools

Fügen Sie neue Tools hinzu, indem Sie mit @mcp.tool() dekorierte Funktionen erstellen:

@mcp.tool()
def my_custom_tool(arg1: str, arg2: int, ctx: Context) -> str:
    """Description of what this tool does
    
    Args:
        arg1: Description of arg1
        arg2: Description of arg2
    """
    # Implementation here
    return "Result"

Entwicklung und Tests

Verwenden der MCP-CLI

Die MCP CLI bietet Tools für Entwicklung und Tests:

# Install MCP CLI if you haven't already
pip install "mcp[cli]"

# Test your server with the MCP Inspector
mcp dev orchestrator.py

# Install in Claude Desktop
mcp install orchestrator.py

Manuelles Testen mit Python

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async with stdio_client(StdioServerParameters(command="python", args=["orchestrator.py"])) as (read, write):
    async with ClientSession(read, write) as session:
        await session.initialize()
        # Test state transitions
        await session.call_tool("transition_state", arguments={"new_state": "PLANNING"})

Ressourcen

• MCP Python SDK-Dokumentation

• Modellkontextprotokollspezifikation

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.