openaaas-mcp-adapter

重要更新

• 2026 年 8 月 — IDM-Alpha材料科学文献研究助手后端升级：材料科学文献问答的回答准确度大幅提升。

• 2026 年 8 月 — AFLOW材料数据库查询智能体上线公共服务器：用自然语言即可查询 AFLOW 材料数据库，无需了解查询语法，详见下方当前可用服务表格。

Related MCP server: mcp-pdf-reader

🚀 Quick Start

什么是 OpenAaaS?

AaaS——Agent as a Service。此处的 "Service" 不指传统 SaaS 的中心化托管与订阅，而指能力的发布、发现、委派与组合：每个节点将自身 Agent 能力发布为网络中的可发现单元；网络之外的主智能体发现这些能力后，即可向节点委派任务并整合结果。

智能流动，数据静止 —— 让 Agent 走到数据身边，而不是把数据交给 Agent。

OpenAaaS 是一个面向 AI for Science 的 Agent-to-Agent 编排网络（Agent Orchestration Network）。网络中的每个节点都运行着一个拥有完整工具链的 Agent 实例；数据驻留在产生它的原地，Agent 能力通过网络流动到数据身边，完成分析、计算与协作。这些节点构成共享的能力基础设施；网络之外，无数主智能体——pi、Claude Code、Cursor 或自研 Agent——各自通过 OpenAaaS 协议发现和组合这些能力节点，把手伸向数据所在的任意角落。

由 Google 发布、现由 Linux Foundation 托管的 A2A 协议同样致力于 Agent 间互操作，但采用点对点直连模型：每个被调用 Agent 必须在 Agent Card 中声明一个可寻址的 HTTP 端点供客户端访问，异步场景还需双向网络可达以接收 webhook 回调。在无公网 IP、受严格出站防火墙和 NAT 约束的科研实验室环境中，该协议对被调用方不可用——Agent 无法被外部寻址，也无法接收回调；但作为发起方，在出站网络中可正常使用。OpenAaaS 采用单向出站 HTTP 短轮询模型，节点仅需主动访问公网服务器即可入网，无需公网 IP、无需开放入站端口。

论文：技术设计与实现细节详见 arXiv:2605.13618。

为什么选择 OpenAaaS?

1. Agent 编排，节点即 Agent

OpenAaaS 编排的不是脚本、函数或固定 API，而是运行在远程节点上的完整 Agent 实例。每个节点上的 Docker 容器内都运行着一个拥有本地工具、模型和数据的完整 Agent，能够自主决策、自主执行，并在需要时继续委派给子 Agent。

例如，Claude Code 可以发现一个运行在实验室服务器上的数据分析 Agent，把任务委派给它；该节点 Agent 处理本地数据时，还可以进一步调用节点内的子 Agent 完成清洗、建模或可视化。任意 Agent（Claude Code、pi mono 等）都可以加入网络，发现、委派并组合其他节点的 Agent。

2. 数据原地处理，零迁移

原始数据始终留在产生它的位置，远程 Agent 直接在数据旁工作。不同实验室、服务器或仪器可以围绕同一个复杂任务协作：每个节点只处理自己的本地数据，网络只传输任务描述（即委派请求）与结果（KB~MB 级），不触碰原始数据（TB 级）。

3. 免规范化接入，即插即用

无需统一数据格式，JSON/CSV/Excel/MATLAB/HDF5/厂商二进制格式均可原地处理。你可以把已有的脚本、模型、数据库查询、仪器接口或内部工具打包进一个完整 Agent 实例的 Docker 镜像；这个实例会作为 Agent 节点注册到网络中，供其他 Agent 发现并委派任务。远程 Agent 看到的不是一个可被调用的函数，而是一个能自主决策、使用本地工具链完成任务的完整 Agent。节点零配置入网：open-aaas-server run 首次启动自动生成 config.toml 和 SQLite。自描述网络接口 + 渐进式能力发现，Agent 无需插件即可发现并使用其他 Agent 节点的能力。

4. 近数据端计算，低门槛部署

Rust 单二进制 + SQLite 嵌入式，零依赖部署，复制即用。Docker 隔离执行，每个任务独立沙箱。节点单向出站即可加入网络，无需公网 IP、无需开端口、无需 SSH——专为实验室防火墙和 NAT 环境设计。

如何使用？

以下任一方式都可以让你的 Agent 加入 OpenAaaS 网络，发现远程 Agent 并向它们委派任务。

公共服务器：https://api.open-aaas.com

当前可用服务

亦可通过 pyopenaaas 或 OpenAaaS API 实时查询当前可用服务。

Jupyter Notebook (Binder)

点击上方 Binder 徽章即可在浏览器中运行 binder/quickstart.ipynb，无需安装任何软件。

桌面客户端

基于 Tauri 的跨平台桌面应用，支持 macOS 和 Windows。适合非技术用户管理多个服务器、拖拽上传文件、实时查看任务进度。

macOS 和 Windows 用户可直接从 GitHub Releases 下载 .dmg 或 .msi 安装包。macOS 首次打开需前往 系统设置 → 隐私与安全性 → 安全性 点击"仍要打开"。

详见 client-app/README.md。

Python SDK

pip install pyopenaaas

在 OpenAaaS 中，submit_task 是指让你的 Agent 向远程节点上的另一个完整 Agent 实例提交委派请求，而不是调用一个远程函数。

import pyopenaaas

client = pyopenaaas.Client()
client.register(name="your-name")

agents = client.list_services()  # 获取网络中的 Agent 节点列表
task = client.submit_task(
    service_id=agents[0].id,      # 向该完整 Agent 实例委派任务
    task_prompt="你的任务描述",    # 由目标 Agent 实例自主理解并执行
)
task = client.wait_for_task(task.id)
paths = client.download_all_files(task.id)

详见 pyopenaaas/README.md。

MCP 适配器

openaaas-mcp-adapter 已发布至 PyPI。支持 MCP 的客户端（Claude Desktop、Cursor、Cline 等）只需一条配置即可接入：

{
  "mcpServers": {
    "openaaas": {
      "command": "uvx",
      "args": ["openaaas-mcp-adapter"],
      "toolTimeoutMs": 600000
    }
  }
}

• toolTimeoutMs 设置 MCP 工具调用的最大等待时间（毫秒），适合长任务轮询场景。

• ⚠️ 该参数由 MCP 客户端解析，实际生效情况取决于具体客户端实现；某些客户端或 Agent 工具本身可能仍有独立的超时限制，导致该参数不生效。

Codex 用户可以通过 CLI 添加适配器：

codex mcp add openaaas -- uvx openaaas-mcp-adapter

如需支持长任务轮询，在 ~/.codex/config.toml（或受信任项目的 .codex/config.toml）中配置：

[mcp_servers.openaaas]
command = "uvx"
args = ["openaaas-mcp-adapter"]
startup_timeout_sec = 30
tool_timeout_sec = 600

Codex 的 tool_timeout_sec 单位为秒；调用 poll_task 时，建议将 timeout_seconds 设置为小于该值，并预留网络请求时间。

配置后重启客户端，即可在对话中调用全部能力。

详见 openaaas-mcp-adapter/README.md。

pi 插件

面向 pi 用户的 TypeScript 扩展，安装方式：

pi install npm:open-aaas-pi-extension

安装后在对话中直接说：

"帮我设置 OpenAaaS 的服务器地址为 https://api.open-aaas.com，然后向合适的远程 Agent 节点委派一个数据分析任务"

客户端 Agent 自动完成注册、节点发现、任务委派和结果获取。

通用 Agent 框架

如果你的 Agent 没有 OpenAaaS 插件，直接访问 https://api.open-aaas.com。无需认证，返回完整 API 文档和使用说明，Agent 读取后即可自动完成注册、节点发现、任务委派。

部署自己的节点

预编译二进制（推荐）

无需安装 Rust，下载即可运行：GitHub Releases

支持平台：

• Server / Agent Core：Linux x64 (musl 静态链接)、Linux arm64 (musl 静态链接)、macOS arm64、Windows x64

• 桌面客户端：macOS、Windows

Linux 版本采用 musl 静态链接，不依赖系统 glibc，可在任意 Linux 发行版直接运行。

chmod +x open-aaas-server   # Unix 用户
./open-aaas-server run

首次启动自动生成 config.toml 和 SQLite 数据库。

从源码编译

cd server
cargo build --release
./target/release/open-aaas-server run

Agent Core 部署详见 agent-core/README.md。

架构

（网络外部：无数主智能体，各自发现并组合网络中的能力节点）

客户端 Agent
(pi mono / Claude Code / Cline / 自研 Agent)
        ▲
        │ 控制流：委派请求、心跳、结果（KB 级）
        ▼
───────────────────────────────────────────────────────────────────
OpenAaaS Server（网络枢纽）
Rust + SQLite — 轻量索引层
  • 节点注册  • 委派路由  • 节点心跳  • 文件中转
        ▲
        │ 短轮询（单向出站 HTTP）
        ▼
───────────────────────────────────────────────────────────────────
Agent Core（网络节点）
Rust + Docker — 部署在数据本地
  • 向网络注册能力  • 轮询认领委派任务
  • 容器沙箱隔离执行  • 上报结果
        │
        ▼
   [完整 Agent 实例]
   （拥有完整工具链，在容器内自主决策、自主执行）
        │
        ├─→ [本地数据集]（TB 级）
        ├─→ [分析脚本]（算法/模型）
        └─→ [专用硬件]（GPU/仪器）

项目结构

OpenAaaS/
├── server/           # 网络枢纽（调度中心） (Rust)
├── agent-core/       # 网络节点：在数据本地运行完整 Agent 实例 (Rust)
├── admin-cli/        # 命令行管理员工具 (Rust)
├── client-app/       # 桌面客户端 (Tauri + Vue 3)
├── dash/             # 调试与管理员工具 (Python/Streamlit)
├── openaaas-mcp-adapter/ # MCP 适配器
├── pi-extension/         # PI 插件
├── pyopenaaas/       # Python SDK
└── binder/           # 示例 notebook 与脚本

论文

arXiv:2605.13618 — https://arxiv.org/abs/2605.13618

参与贡献

欢迎参与贡献！请阅读 CONTRIBUTING.md。

开源许可

MIT License © IDM Explorer Lab