agency-mcp-server

一个 MCP 配置条目。按需获取 150 多个专业智能体。无需手动设置。

你的 AI 助手是一个通才。有时你需要一位专家——游戏经济设计师、安全审计员、技术文档撰写者。此 MCP 服务器让你的助手能够即时访问 150 多个专家智能体模板。描述你的需求，它会找到合适的智能体并将其生成。

You: "Help me design a balanced game economy"
Claude: [searches -> finds Game Economy Designer -> spawns it -> expert response]

模板在首次运行时会自动从 agency-agents 获取并保持更新。你无需进行任何操作。

为什么不直接在本地安装智能体？

你可以这样做。agency-agents 安装脚本会将所有 160 多个智能体文件直接复制到你的工具配置目录（例如 ~/.claude/agents/）。这确实有效——但每个智能体的名称和描述都会被加载到每次对话的上下文窗口中，无论你是否使用它们。

我们进行了测量：

这使得基准上下文使用量减少了 150 倍。你获得了同样的 160 多个智能体，但只需为你实际使用的那个付费。

已安装的智能体 (8,300 tokens)： 我们运行了 agency-agents 安装脚本 (install.sh --tool claude-code)，将 162 个智能体文件复制到了 ~/.claude/agents/。然后打开一个新的 Claude Code 会话并运行 /context。Claude Code 报告“自定义智能体：8.3k tokens”——无论是否使用任何智能体，都会加载到每次对话中。

MCP 空闲 (55 tokens)： 改用 MCP 服务器配置后，/context 仅显示两个延迟工具名称 (agency_search, agency_browse) 以及系统提示词中的简短服务器描述。不会加载任何智能体数据。

MCP 搜索中 (350 tokens)： 通过对助手调用 ToolSearch 以解析 agency_search 和 agency_browse 工具时加载的完整 JSON 工具模式进行分词测量。使用 @anthropic-ai/tokenizer 进行计数。

MCP 使用智能体 (2,700 tokens)： 所有 145 个智能体文件的中位数 token 计数，使用 @anthropic-ai/tokenizer 测量。只有你实际使用的那个智能体文件会被加载到上下文中。根据智能体的不同，范围在 383–12,724 tokens 之间 (p25: 1,549, p75: 3,584)。

快速开始

Claude Code

作为插件：

/plugin marketplace add npupko/agency-mcp-server
/plugin install agency@agency-mcp-server

或通过 CLI：

claude mcp add agency -- npx -y agency-mcp-server

Cursor、Windsurf 及其他 MCP 客户端

添加到你的 MCP 配置中：

{
  "mcpServers": {
    "agency": {
      "command": "npx",
      "args": ["-y", "agency-mcp-server"]
    }
  }
}

就是这样。首次启动会将模板克隆到 ~/.cache/agency-mcp-server/，并每 24 小时拉取一次更新。

验证是否有效

询问你的助手：

“搜索游戏经济设计师智能体”

你应该能看到来自 agency_search 工具的结果。如果是首次运行，模板会自动下载（约 30 秒）。

工作原理

你的助手拥有四个工具：

1. agency_search(query, division?) -- 描述任务，获取匹配的智能体及生成说明

2. agency_browse(division?) -- 当你想查看可用内容时，浏览部门和智能体

3. agency_status() -- 检查索引新鲜度：智能体数量、上次更新时间、是否有可用更新

4. agency_update() -- 从 git 拉取最新模板并重建搜索索引，无需重启

当你寻求特定帮助时，你的助手会调用 agency_search，选择最佳匹配项，并使用该专家的完整系统提示词生成一个子智能体。你无需触碰任何配置文件即可获得专家级的响应。

可用内容

智能体按部门组织：

配置

所有配置均通过 MCP 配置中的环境变量进行：

使用你自己的模板

指向本地目录：

{
  "mcpServers": {
    "agency": {
      "command": "npx",
      "args": ["-y", "agency-mcp-server"],
      "env": {
        "AGENCY_AGENTS_PATH": "/path/to/your/agent-templates"
      }
    }
  }
}

或从你自己的仓库克隆：

{
  "mcpServers": {
    "agency": {
      "command": "npx",
      "args": ["-y", "agency-mcp-server"],
      "env": {
        "AGENCY_REPO_URL": "https://github.com/yourorg/custom-agents.git"
      }
    }
  }
}

模板格式

每个智能体都是一个带有 YAML 前置元数据的 Markdown 文件，按部门组织：

engineering/
  software-architect.md
  devops-engineer.md
design/
  ui-designer.md
game-development/
  game-economy-designer.md

---
name: Software Architect
description: Expert software architect specializing in system design...
---

Full agent system prompt goes here.

服务器会索引 name 和 description 字段以供搜索。完整的 Markdown 正文在生成时将成为智能体的系统提示词。

MCP 接口

工具

• agency_search(query, division?) -- 按任务描述查找智能体，返回带有文件路径和即用型生成模板的匹配项

• agency_browse(division?) -- 列出所有部门，或列出特定部门内的智能体

• agency_status() -- 检查索引新鲜度：智能体数量、上次更新时间、是否需要更新

• agency_update() -- 在运行时从 git 拉取最新模板并重建搜索索引

资源

• agency://agents -- 完整的智能体索引（JSON 格式）

• agency://divisions -- 带有数量和示例的部门列表

提示词

• use-agent -- 描述任务，获取最佳匹配智能体及生成说明

开发

npm install
npm run build

# Run with auto-fetched templates
node dist/index.js

# Run with local templates
AGENCY_AGENTS_PATH=./my-agents node dist/index.js

# Type checking
npm run typecheck

# MCP Inspector
npm run inspect

致谢

智能体模板来自 agency-agents，作者 @msitarzewski。

许可证

MIT