AgentSignal

npm version GitHub stars License: MIT MCP Tools

AI 购物智能体的集体智慧层。

每一个接入的智能体都会让其他智能体变得更聪明。目前已涵盖 1,200 多次购物会话、95 种产品、50 个商家、10 个类别，且数量还在不断增长。

存在意义： 当 AI 智能体为用户购物时，每个智能体都是从零开始。AgentSignal 汇集了所有智能体的决策信号，让每一次会话都能受益于其他智能体已经学到的经验——包括选择率、拒绝模式、价格情报、商家可靠性以及经过验证的约束匹配。

快速入门 (30 秒)

远程模式——无需安装，即刻获取智能：

{
  "mcpServers": {
    "agent-signal": {
      "url": "https://agent-signal-production.up.railway.app/mcp"
    }
  }
}

本地模式 (通过 npx)：

npx agent-signal

Claude Desktop / Claude Code：

{
  "mcpServers": {
    "agent-signal": {
      "command": "npx",
      "args": ["agent-signal"]
    }
  }
}

一次调用，开启更智能的购物体验

smart_shopping_session 工具可以在单次调用中记录您的会话并返回所有可用的情报：

smart_shopping_session({
  raw_query: "lightweight running shoes with good cushioning",
  category: "footwear/running",
  budget_max: 200,
  constraints: ["lightweight", "cushioned"]
})

返回内容：

用于后续记录的会话 ID
该类别中其他智能体的热门选择
最重要的约束条件和影响因素
类似会话的最终结果（购买 vs 放弃）
全网统计数据

23 个 MCP 工具

智能组合工具 (推荐)

工具	功能
`smart_shopping_session`	开始会话 + 获取类别情报 + 类似会话结果 — 一次调用全部完成
`evaluate_and_compare`	记录产品评估 + 获取产品情报 + 交易结论 — 一次调用全部完成

买家情报 — 更智能地购物

工具	提供的信息
`get_product_intelligence`	选择率、拒绝原因、哪些竞争对手胜出及其原因
`get_category_recommendations`	热门选择、决策因素、常见需求、平均预算
`check_merchant_reliability`	库存准确性、选择率、按商家划分的购买结果
`get_similar_session_outcomes`	具有相似约束条件的智能体最终选择了什么
`detect_deal`	基于历史数据的价格结论 — 从 best_price_ever 到 above_average
`get_warnings`	库存问题、高拒绝率、放弃信号
`get_constraint_match`	完全符合您约束条件的产品 — 跳过搜索过程

卖家情报 — 了解您的市场

工具	提供的信息
`get_competitive_landscape`	类别排名、直接竞争胜率、谁击败了您及其原因、价格定位
`get_rejection_analysis`	智能体拒绝您产品的原因、每周趋势、他们选择了什么替代品
`get_category_demand`	智能体在搜索什么、未满足的需求、预算分布、市场空白
`get_merchant_scorecard`	完整的商家报告 — 库存可靠性、价格竞争力、各类别选择率

发现与监控

工具	提供的信息
`get_budget_products`	特定预算内的最佳产品 — 按智能体选择排名，包含商家库存情况
`get_trending_products`	趋势上升或下降的产品 — 比较当前与上一周期的选择率
`create_price_alert`	设置价格提醒 — 当智能体发现产品价格达到或低于您的目标时触发
`check_price_alerts`	查看哪些提醒已被最近的智能体活动触发

写入工具 — 回馈数据

工具	捕获的内容
`log_shopping_session`	购物意图、约束条件、预算、排除项
`log_product_evaluation`	考虑中的产品、匹配得分、处置方式 + 拒绝原因
`log_comparison`	比较的产品、维度、胜出者、决定性因素
`log_outcome`	最终结果 — 已购买、已推荐、已放弃或已推迟
`import_completed_session`	批量导入已完成的会话（追溯）
`get_session_summary`	获取完整的会话详情

示例：完整的智能体工作流

# 1. Start smart — one call gets you session ID + intelligence
smart_shopping_session(category: "electronics/headphones", constraints: ["noise-cancelling", "wireless"], budget_max: 400)

# 2. Evaluate products — get intel as you log
evaluate_and_compare(session_id: "...", product_id: "sony-wh1000xm5", price_at_time: 349, disposition: "selected")
evaluate_and_compare(session_id: "...", product_id: "bose-qc45", price_at_time: 279, disposition: "rejected", rejection_reason: "inferior ANC")

# 3. Compare and close
log_comparison(products_compared: ["sony-wh1000xm5", "bose-qc45"], winner: "sony-wh1000xm5", deciding_factor: "noise cancellation quality")
log_outcome(session_id: "...", outcome_type: "purchased", product_chosen_id: "sony-wh1000xm5")

每一步都为网络提供反馈。下一个购买耳机的智能体将受益于您的数据。

示例：卖家情报工作流

# 1. How is my product performing vs competitors?
get_competitive_landscape(product_id: "sony-wh1000xm5")
# → Category rank #1, 68% head-to-head win rate, beats bose-qc45 on ANC quality

# 2. Why are agents rejecting my product?
get_rejection_analysis(product_id: "bose-qc45")
# → 45% rejected for "inferior ANC", agents chose sony-wh1000xm5 instead 3x more

# 3. What do agents want in my category?
get_category_demand(category: "electronics/headphones")
# → Top demands: noise-cancelling (89%), wireless (82%), unmet need: "spatial audio"

# 4. How does my store perform?
get_merchant_scorecard(merchant_id: "amazon")
# → 34% selection rate, 2% out-of-stock, cheapest option 41% of the time

拥有活跃情报的类别

类别	会话数
footwear/running	150+
electronics/headphones	140+
gaming/accessories	130+
electronics/tablets	130+
home/furniture/desks	120+
fitness/wearables	118+
electronics/phones	115+
home/smart-home	107+
kitchen/appliances	105+
electronics/laptops	98+

智能体框架示例

可在 /examples 中找到可直接运行的示例：

框架	文件	描述
LangChain	`langchain-shopping-agent.py`	带有 LangGraph + MCP 适配器的 ReAct 智能体
CrewAI	`crewai-shopping-crew.py`	双智能体团队（研究员 + 购物者）
AutoGen	`autogen-shopping-agent.py`	带有 MCP 工具的 AutoGen 智能体
OpenAI Agents	`openai-agents-shopping.py`	带有 Streamable HTTP 的 OpenAI Agents SDK
Claude	`claude-system-prompt.md`	针对 Claude Desktop/Code 优化的系统提示词

所有示例均连接到托管的 MCP 端点 — 除了 pip install 外无需其他设置。

REST API

面向商家的分析接口位于 https://agent-signal-production.up.railway.app/api：

端点	描述
`GET /api/products/:id/insights`	产品分析 — 考虑率、拒绝原因
`GET /api/categories/:category/trends`	类别趋势 — 热门因素、预算、属性
`GET /api/competitive/lost-to?product_id=X`	竞争损失 — X 输给了谁及其原因
`GET /api/sessions`	最近的会话（分页）
`GET /api/sessions/:id`	完整的会话详情
`POST /api/admin/aggregate`	触发情报计算
`GET /api/health`	健康检查

自托管

git clone https://github.com/dan24ou-cpu/agent-signal.git
cd agent-signal
npm install
cp .env.example .env  # set DATABASE_URL to your PostgreSQL
npm run migrate
npm run seed           # optional: sample data
npm run dev            # starts API + MCP server on port 3100

架构

MCP Server — Stdio 传输（本地）+ Streamable HTTP（远程）
REST API — 同一端口上的 Express
Database — PostgreSQL (兼容 Neon)
23 个 MCP 工具 — 17 个读取（买家 + 卖家 + 发现）+ 6 个写入

许可证

MIT

agent-signal