mcpField
M
MCP Agent Graph (MAG)

MCP Agent Graph (MAG)

github.com/keta1930框架与 SDK2372 周前更新

关于 MCP Agent Graph (MAG)

MCP Agent Graph(MAG)是一个基于图、节点与 MCP 构建的 Agent 开发框架,也是一个多 Agent 系统平台。它整合子 Agent、长期记忆、工作流等能力,并提供可视化编辑器,面向需要快速搭建复杂 Agent 应用的开发者。

主要功能

  1. 01可视化拖拽式工作流编辑器
  2. 02子图嵌套与模块化复用
  3. 03基于节点的智能路由(Handoffs)
  4. 04定时任务与 cron 表达式调度
  5. 05短期与长期记忆管理
  6. 06通过 MCP 连接外部工具与数据源

适用场景

  1. 01构建包含多个 Agent 的多阶段工作流
  2. 02按计划周期性执行图工作流
  3. 03将数据库或 API 等外部服务接入 Agent

MCP 相关

该项目作为 MCP 客户端,通过标准协议连接外部工具与数据源,并在 MCP 服务页面中管理这些连接。

详细介绍

English | 中文

Agent-Graph 是一个基于上下文工程原则构建的多 Agent 系统。它集成了子 Agent、长期记忆、MCP、基于 Agent 的工作流等能力。通过将上下文工程最佳实践融入可视化开发体验,Agent-Graph 使开发者能够快速构建、测试和部署复杂的多 Agent 应用。

文档https://keta1930.github.io/agent-graph/

目录

  1. 框架
  2. 部署指南
  3. 核心功能
  4. 未来路线图
  5. 前端功能展示
  6. 引用
  7. 微信群

1. 框架

系统架构

Agent Graph 系统框架

用户旅程

用户旅程

2. 部署指南

📖 详细安装文档:docs/first-steps/install.md

系统要求
组件要求
操作系统Linux、macOS 或 Windows(需要 WSL2)
Docker版本 20.10+,并安装 Docker Compose
Python版本 3.11+
内存至少 4GB(建议 8GB)
存储空间至少 10GB 可用空间
快速开始
2.1. 克隆项目
git clone https://github.com/keta1930/agent-graph.git
cd agent-graph
2.2. 配置并启动 Docker 服务
cp .env.example .env
# Set all blank credentials and secrets before startup
python agent_graph/scripts/generate_jwt_secret.py
docker compose --env-file .env -f docker/docker-compose.yml up -d

默认服务地址:

2.3. 部署后端

使用 uv(推荐):

uv sync
uv run --env-file .env fastapi run

使用 pip:

pip install -r requirements.txt
dotenv -f .env run -- fastapi run

在后台运行:

nohup uv run --env-file .env fastapi run > app.log 2>&1 &
2.4. 访问应用

打开 PUBLIC_API_BASE_URL 配置的地址(默认:**http://localhost:20050**)。

登录页面(管理员使用 .env 中配置的用户名和密码登录):

登录页面

注册页面(新用户可使用邀请码注册):

注册页面

其他访问端点:

前端开发(可选)

如果需要修改前端代码:

cd frontend
npm install
npm run dev  # Uses FRONTEND_PORT from the root .env
npm run build  # Build production version

**注意:**仓库已包含预构建的前端文件。只有在开发或自定义前端时才需要执行此步骤。

3. 核心功能

核心组件
功能描述文档
Agent具备理解目标、使用工具、迭代优化、维护上下文和长期记忆能力的 AI 实体,可通过自主执行操作解决开放式任务Agent 文档
图(工作流)将多个 Agent 编排为结构化工作流,通过节点和边定义执行流程,适用于可预测的多阶段任务图文档
模型支持大模型和 VLM 模型(兼容 OpenAI),可灵活配置 API Key模型文档
记忆短期记忆用于维护对话上下文,长期记忆用于跨会话存储用户偏好和 Agent 知识库记忆文档
提示词中心集中管理可复用的提示词模板,支持分类、导入/导出和跨项目引用提示词文档
项目将对话整理为包含共享文件的集合项目文档
工作流能力
功能描述文档
可视化图编辑器通过前端拖放设计工作流,支持线性、并行、条件和嵌套图类型,所见即所得图文档
子图嵌套将整个图用作单个节点进行嵌套,从而构建模块化、可复用的分层工作流子图文档
移交(智能路由)节点可动态选择下一个执行节点,支持智能决策、条件分支和迭代优化循环移交文档
任务(调度)按计划或周期自动执行图,支持 cron 表达式、并发实例和执行历史跟踪任务文档
扩展能力
功能描述文档
MCP 协议集成通过标准化协议连接外部工具和数据源(数据库、API、文件系统、云服务等),连接一次即可随处使用MCP 文档
内置工具集提供资源创建(Agent Creator、Graph Designer、MCP Builder、Prompt Generator、Task Manager)、协作(Sub-agent、File Tool)和查询(Memory Tool、System Operations)系统工具工具文档
协作与管理
功能描述文档
团队协作管理员创建邀请码、管理团队成员并分配角色权限(超级管理员、管理员、普通用户)团队管理
对话管理支持查看对话历史、管理文件附件和维护会话上下文快速入门

4. 未来路线图

📖 完整路线图:docs/roadmap/index.md

平台将持续发展,为用户带来更强大的 Agent 能力和更出色的协作体验。

最近实现

以下功能最近已实现并可使用:

功能核心价值文档
多模态支持VLM 赋予 Agent 视觉理解能力详情
项目将对话整理到集合中,并共享资源详情
即将推出

以下功能即将推出或正在积极开发中:

功能核心价值文档
团队资源共享在团队内共享 Agent、工作流和提示词详情
Agent 技能通过渐进式上下文工程提升效率和能力详情
未来计划

我们正在持续探索和规划以下功能:

功能核心价值文档
外部 Agent API向外部调用开放 Agent,构建服务生态系统详情
用户分析效果评估和团队洞察详情

5. 前端功能展示

5.1. 聊天欢迎页

用于开始与 Agent 对话的入口界面,支持快速选择预设 Agent 或创建新对话。

聊天欢迎页


5.2. 工作区 - Agent 管理

创建、配置和管理 Agent,设置系统提示词、工具和模型参数。

Agent 管理


5.3. 工作区 - 工作流管理

可视化拖放式工作流设计器,支持多种节点类型和复杂流程编排。

工作流管理


5.4. 工作区 - 模型管理

配置和管理多个大模型,设置 API Keys 和模型参数。

模型管理


5.5. 工作区 - 系统工具箱

查看和配置内置系统工具,包括资源创建和协作工具。

系统工具箱


5.6. 工作区 - MCP 管理

管理 MCP 服务连接,配置外部工具和数据源集成。

MCP 管理


5.7. 工作区 - 提示词管理

集中管理可复用的提示词模板,支持分类和版本控制。

提示词管理


5.8. 工作区 - 文件管理

管理已上传的文件和附件,支持文件预览和整理。

文件管理


5.9. 工作区 - 记忆管理

查看和管理 Agent 的长期记忆和知识库。

记忆管理


6. 引用

如果 Agent-Graph 对您的研究或工作有所帮助,请考虑引用:

@misc{agent_graph_2025,
  title        = {agent-graph},
  author       = {Yan Yixin},
  howpublished = {\url{https://github.com/keta1930/agent-graph}},
  note         = {Accessed: 2025-04-24},
  year         = {2025}
}

7. 联系方式

如有问题、建议或合作意向,欢迎联系:

📧 邮箱:[email protected]

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。