CrossAgentMCP — 一个 A2A 池 MCP

这是对 A2A.md 愿景的最小实现：一个 A2A 池 MCP，在其中

1. 任意 agent 都可以注册进共享的池子，

2. 任意 agent 都可以绑定到一个多 agent 的会话，

3. agent 之间互相观察彼此的活动，在某位同伴完成后提出批判，自我改进，并在 无人工干预的情况下持续工作，直到共享目标被会话中的每一位 agent 认可。

这是一个面试 demo：重点不在于 URL 短链/代码评审那篇产出文档，而在于围绕它搭建 的这套系统——一层忠实于 A2A v1.0 的协议层、一个协调控制面、一条「批判到收敛」的闭环， 以及一条从「三个 agent」走向「三个达成一致并停下来的 agent」的可测试、可度量的路径。

1. 它是做什么的

它把彼此独立的 agent 变成一个能自我协调的团队。包含三种进程：

        ┌────────────────── POOL (:9100, FastAPI HTTP JSON-RPC) ──────────────────┐
        │  registry / sessions / activity / critique / goal  （内存态控制面      │
        │  —— 不路由任何工作消息）                                              │
        └──────────────────────────────────────────────────────────────────────────┘
            ▲ pool JSON-RPC (PoolClient)            ▲ pool JSON-RPC（每个 agent 的桥）
            │                                       │
      ┌─────┴──────┐    对等 A2A (SendMessage/GetTask)  ┌─────┴──────┐
      │ orchestrator│◄──────────────────────────────────►│ agent-N    │ … :9101..9103
      └────────────┘      每个 agent 运行各自的          └────────────┘
          无头驱动              v1.0 A2A HTTP 服务器

• Pool（crossagent/pool.py）——控制面：agent 注册表、带共享目标的多 agent 会话、每个会话的只追加式活动日志、批判线程，以及每位 agent 的满意度。

• Agents——每个 agent 是一个目录（agents/<role>/），内含一个 v1.0 A2A HTTP 服务器（对等数据面）、一份接线到 a2a stdio MCP 桥（crossagent/a2a_bridge.py）的 .mcp.json，以及一份 CLAUDE.md（角色 + 每轮契约）。

• Orchestrator（crossagent/orchestrator.py）——唯一推进时间的组件。它注册 agent、创建会话，然后按轮询无头运行每个 agent（claude -p），把对方尚未见过的 活动/批判增量喂给它，直到每位成员都声明满意且没有残留的批判线程。

收敛规则是严格的：每位成员满意，且没有任何未关闭的批判线程。一次批判会自动撤销 被批判者的满意度，因此只有最后一条反对意见被它所指向的那位 agent 亲手解决，会话才能 结束。

2. 它解决什么问题

A2A（Google 的 Agent2Agent 协议）只定义了「两个 agent 之间如何交换任务」—— SendMessage / GetTask / 流式。它对「两个以上的 agent 如何协调」只字未提。而协调 恰恰是最难、最乱的那部分，也正是本仓库所解决的问题：

让它保持清爽的关键设计决策：控制面集中（池），数据面点对点（A2A）。池只保存协调 状态；真正的产出和直接消息留在 agent 之间，所以池永远不会成为瓶颈或消息路由器。

3. 与其他方案的横向对比

对一个 demo 而言，决定性优势在于：不花钱也能证明它成立。确定性 stub agent 在 pytest 下完整回放了整个生命周期（注册 → 会话 → 产出 → 批判 → 满意度撤销 → 认证 403 → 对等 A2A 往返 → 解决 → 全体收敛），而 benchmark 工具则对真实运行报告 token/耗时/成本。

4. 这证明了什么（AI vibe coding 能力）

每一条结论都落在代码里。

1. 忠实阅读并实现一份真实的外部规范。 crossagent/a2a.py 对齐 A2A v1.0 proto 与 specification.md——camelCase JSON、PascalCase JSON-RPC 方法、SCREAMING_SNAKE_CASE 枚举、规范错误码（-32001..-32004）、终态任务状态。没有幻觉出的 API，线格式可对照 规范逐条核验。

2. 歧义下的架构判断。 计划中明确选择了集中控制面 + P2P 数据面、为可测试性而设的 可注入 agent runner，以及在砍掉一个误触发的无进展检测器后保留三道终止护栏（轮次上限 + 无进展检测 + 批判上限）—— 推理过程记录在 1/plan.md 与 1/REVIEW.md。

3. 零 LLM 成本的测试先行验证。 4 个文件 29 个测试覆盖协议、池、桥与 orchestrator； demo/review_demo_scripted.py 用确定性 stub 回放完整生命周期；benchmark.py 记录每轮/ 每会话的墙钟时间、token（含缓存命中）与美元成本（benchmark-results.json 显示一场 3-agent 共识对话：6 轮、$3.03）。

4. 真实集成调试。 orchestrator.py 把 Windows 的 claude.cmd shim 解析到原生 .exe，杀掉整棵进程树（taskkill /T）以免 MCP 子进程变孤儿，而 JOURNEY.md 记录了 通过把 ANTHROPIC_MODEL 重新指向带限定的模型 id 来诊断网关 503/403——这类问题只有 真刀真枪跑无头 agent 时才会冒出来。

5. 正确性与安全严谨，而非「能跑就行」。 每个 agent 独立 bearer 身份： test_cannot_spoof_another_agents_satisfaction 与脚本 demo 都展示了伪造的 declare_satisfaction 被 HTTP 403 拒绝。只有批判所指向的 agent 才能解决它； MarkFailed 需要 orchestrator token；已失败的会话永远不得报告收敛。

6. 迭代式自审闭环。 1/ 目录加上 REVIEW.md、JOURNEY.md 展示了完整弧线：计划 → 实现 → 代码评审揪出真实缺陷（一个死掉的 revising FSM 状态、一处 SSE 回放竞态、 critique_resolve 伪造线程）→ 修复 + 回归测试。系统施加在自己的 agent 身上的那条 批判闭环，同样被施加在了系统自己的代码上。

协议

忠实于 A2A v1.0（PascalCase JSON-RPC 方法、camelCase JSON、SCREAMING_SNAKE_CASE 枚举）。见 crossagent/a2a.py。

安装

uv sync          # Python 3.11+ venv + 依赖

为 Kilo / Claude Code / Codex 安装 a2a MCP 桥

每个 agent 角色（writer / critic / lead）都暴露同一个 stdio MCP 桥 （crossagent.a2a_bridge），只是身份、本地端口和对等映射不同。三个工具都已注册 （路径钉在 D:/GitRepo-AI/CrossAgentMCP；若再迁移请同步调整）：

桥的工具只有在池和 agent A2A 服务器都起来后才能工作。启停脚本：

powershell -ExecutionPolicy Bypass -File scripts/start-servers.ps1
powershell -ExecutionPolicy Bypass -File scripts/stop-servers.ps1

（start-servers.ps1 -WithDemoAuth 会镜像 demo/goal.json 里的 token；默认运行时池 关闭认证。）

使用

快速上手（root vs 1/）

本仓库有两套独立实现，都跑在同一组端口 :9100–9103，不要同时启动。1/ 已冻结，日常用 root。

root —— crossagent/（推荐，已接入 Kilo）

uv sync
powershell -ExecutionPolicy Bypass -File scripts/start-servers.ps1   # pool :9100 + writer/critic/lead :9101..9103
powershell -ExecutionPolicy Bypass -File scripts/stop-servers.ps1    # 停止

服务器起来后，Kilo 的 a2a-writer / a2a-critic / a2a-lead MCP 工具即可用；各角色 每轮契约见 agents/<role>/CLAUDE.md。

子目录 1/ —— agentpool（早期实现，无 bearer 身份、无头编排器非一等公民；已冻结）

cd 1
uv sync
uv run pytest                                        # pool / session / consensus 测试
uv run python demo/run_session.py --num-agents 3     # 全自主闭环，无 LLM
uv run python demo/real_review.py --payload demo/real_review_payload.json
uv run python demo/compare_radiance.py               # 自动选端口，可与 root 并存
uv run python -m pool.server                         # 单跑 pool（:9100）

两套实现的差异（工具名 / 认证 / 收敛契约 / 编排器）见下方「与子目录 1/ 的关系」。

make test        # 单元测试（协议 / 池 / orchestrator，使用假 agent）
make smoke       # 拉起池 + 2 个 A2A 服务器；脚本化往返（无真实 Claude）
make demo        # 完整无头 3-agent demo（writer / critic / lead）——需要 `claude`

编排器支持 schedule: "serial"（默认）与 "parallel"：并行模式每轮让所有 agent 在 同一 pre-round 快照上并发工作（bulk-synchronous），一轮计 len(agents) 次 run，与串行 模式的轮次预算可比。在 goal.json 加 "schedule": "parallel" 即可切换。并行模式下 默认 "parallelCursor": "round"（下一轮看到同伴产出）。"finish" 是旧行为，不重喂，两轮并行会看起来很便宜——因为根本没 review。 "maxCritiques"（默认 200）限制批判总数，超限判 failed。

Demo 目标

demo/goal.json 让三个 agent——writer、critic、lead——共同撰写 demo/output/design.md（一个 URL 短链设计），直到三者都声明满意。

代码评审 demo（torchimpulse）

另有两条驱动针对一个真实代码库（F:\XD\git-repo\torchimpulse）跑同一套池：

uv run python demo/review_demo_scripted.py   # 确定性 stub agent（无 claude，零成本）
uv run python demo/review_demo.py            # 完整自主 3-agent 评审——需要 `claude`

• review_demo_scripted.py 回放完整生命周期——注册 → 会话 → 产出 → 批判（满意度撤销）→ 伪造动作被认证 403 → 对等 A2A 发送/应答 → 解决 → 全体收敛——以真实评审结论作为内容。

• review_demo.py 无头运行 writer / critic / lead（claude -p）共同撰写 torchimpulse/A2A_REVIEW.md 并收敛（5 轮，全员满意，0 条未关闭批判）。

文档树评审 + 单 agent 对照（radiance 3d/doc）

同一棵 ~589 文件的文档树、同一模型（deepseek/deepseek-v4-pro），demo/compare_radiance.py 对照 单 agent 融合一轮 与 3-agent 编排器：

相对 mono：墙钟 ×1.54、input token ×3.03、成本 ×2.00。产出篇幅相当（18.5 KB vs 19.2 KB）。 原始数字在 demo/output/radiance_comparison.json。

uv run python demo/compare_radiance.py          # 需已运行 scripts/start-servers.ps1
uv run python demo/review_radiance.py           # 附着已运行栈评审；结束后导出完整活动/批判记录

单 agent vs 3-agent 效率 / 质量对照（payments ledger，盲评）

同一个问题、同一模型、同一运行栈，demo/compare_efficiency.py 对照单 agent 融合一轮 与 3-agent 编排器的效率比值；demo/compare_quality.py 再跑三种模式（single-monolithic / single-iterative(N) / 3-agent），并由独立盲评按 5 项标准打分（满分 25）：

* 10/25 是度量产物：目标写了「不要写文件」，池的推理只留在活动日志里，盲评只看到 lead 的状态行——池保存的是协调状态，不是工作产出。原始数字在 demo/output/{efficiency,quality}_comparison.json。

uv run python demo/compare_efficiency.py        # 需已运行 scripts/start-servers.ps1
uv run python demo/compare_quality.py           # 同上（含盲评）
uv run python demo/scale_n.py                   # 零 LLM：N=1..30 stub 缩放（串行/并行/两轮）

与子目录 1/ 的关系

1/ 是另一套实现（从 claude-a2a 长出来的池：slash 方法名、SSE watch、无 bearer 身份、无头编排器不是一等公民）。同一棵 radiance 树的第一次真 claude -p 循环（1/demo/compare_radiance.py，自动选端口以免撞 :9100）跑满 9 轮仍停在 reviewing（lead 未声明满意），成本 $7.57。差距主要来自循环契约——根编排器每轮 强制 declare_satisfaction，1/ 的 satisfy() 只能单向 True——不是评审质量 更差（A2A_REVIEW_1.md 同样有 file:line 的 Critical 发现）。详见 JOURNEY.md 2026-08-21 节与 1/README.md。

1/ 已冻结（2026-08-22）：不再作为竞争架构演进，仅保留作多进程测试夹具。 它唯一不可替代的发现——all-to-all 批判的 N(N−1) 组合爆炸——已固化为 root 的 maxCritiques 护栏（默认 200）。

注意事项

• 各 .mcp.json / kilo.json / .codex/config.toml 文件硬编码了仓库路径 D:/GitRepo-AI/CrossAgentMCP；若迁移仓库请同步更新。

• 池与 agent 服务器都把状态保存在内存里；重启即重置。

• 无头 agent 运行的是 claude -p，此处它指向一个网关（llm-proxy.tapsvc.com）。请在 ~/.claude/settings.json 中钉住模型（例如 ANTHROPIC_MODEL=deepseek/deepseek-v4-pro）； Claude Code 的裸默认模型名会被该网关拒绝。