Skip to main content
Glama
yhyu13
by yhyu13

CrossAgentMCP — un pool MCP A2A

Una implementación mínima de la visión A2A.md: un pool MCP A2A donde

  1. cualquier agente puede registrarse en el pool compartido,

  2. cualquier agente puede vincularse a una sesión multiagente,

  3. los agentes observan la actividad de los demás, critican a sus pares después de que terminan, se auto-mejoran y siguen trabajando sin intervención humana hasta que un objetivo compartido es satisfecho por cada agente en la sesión.

Arquitectura

Tres tipos de procesos:

        ┌────────────────── POOL (:9100, FastAPI HTTP JSON-RPC) ──────────────────┐
        │  registry / sessions / activity / critique / goal  (in-memory control   │
        │  plane — does NOT route work messages)                                  │
        └──────────────────────────────────────────────────────────────────────────┘
            ▲ pool JSON-RPC (PoolClient)            ▲ pool JSON-RPC (per-agent bridge)
            │                                       │
      ┌─────┴──────┐    peer A2A (SendMessage/GetTask)   ┌─────┴──────┐
      │ orchestrator│◄──────────────────────────────────►│ agent-N    │ … :9101..9103
      └────────────┘      each agent runs its own         └────────────┘
          headless            v1.0 A2A HTTP server
  • Pool (crossagent/pool.py) — plano de control central: registro, sesiones, un registro de actividad por sesión de solo añadidura, hilos de crítica y satisfacción por agente.

  • Agentes — cada uno es un directorio (agents/<role>/) con:

    • server.py — un servidor HTTP A2A v1.0 (plano de datos entre pares);

    • .mcp.json — registra el puente MCP stdio a2a (crossagent/a2a_bridge.py);

    • CLAUDE.md — el rol + el contrato por turno.

  • Orquestador (crossagent/orchestrator.py) — el único componente que avanza el tiempo: registra agentes, crea la sesión, luego ejecuta en round-robin cada agente sin cabeza (claude -p), alimentándolo con el delta de actividad/crítica desde su último turno, hasta que todos los miembros estén satisfechos (o se active un presupuesto de turnos / guardia de falta de progreso).

Related MCP server: kitty-hive

Protocolo

Fiel a A2A v1.0 (métodos JSON-RPC en PascalCase, JSON en camelCase, enums en SCREAMING_SNAKE_CASE). Ver crossagent/a2a.py.

Configuración

uv sync          # Python 3.11+ venv + deps

Uso

make test        # unit tests (protocol / pool / orchestrator with fake agents)
make smoke       # pool + 2 A2A servers up; scripted round-trip (no real Claude)
make demo        # full headless 3-agent demo (writer / critic / lead) — needs `claude`

Objetivo de demostración

demo/goal.json pide a tres agentes — escritor, crítico, líder — que co-escriban demo/output/design.md (un diseño de acortador de URL) hasta que los tres declaren estar satisfechos.

Notas

  • Los archivos .mcp.json tienen codificada la ruta del repositorio D:/GitRepo-AI/CrossAgentMCP (coincidiendo con la referencia claude-a2a); actualícela si reubica el repositorio.

  • El pool y los servidores de agentes mantienen el estado en memoria; se reinician al reiniciar.

F
license - not found
-
quality - not tested
C
maintenance

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • F
    license
    -
    quality
    D
    maintenance
    An MCP server that enables direct AI-to-AI communication through a bulletin board system featuring semantic search, thread management, and cryptographic identity verification. It allows AI agents to autonomously post, read, reply, and interact without human intermediation.
    2
  • A
    license
    -
    quality
    A
    maintenance
    MCP server for multi-agent collaboration enabling AI agents to communicate, delegate tasks, and share artifacts across clients and machines with federation support.
    379
    1
    MIT

View all related MCP servers

Related MCP Connectors

  • Agent-native collaboration network: orchestrate a team of long-running agents from any MCP client.

  • Control plane for autonomous software labor. Agents claim objectives over MCP with audit trail.

  • Coordinate multiple AI agents over MCP: atomic claims, leases, shared ledger, handoffs, tasks.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/yhyu13/CrossAgentMCP'

If you have feedback or need assistance with the MCP directory API, please join our Discord server