AgentMCP: The Universal System for AI Agent Collaboration

AgentMCP：AI エージェントコラボレーションのためのユニバーサルシステム

AI コラボレーションの新時代を切り開きます。AgentMCP は、あらゆる AI エージェントが他のすべてのエージェントと連携できるようにするシステムです。エージェント間のネットワーク接続、通信、調整をすべて担います。AI エージェントのインターネットである MACNet とともに、あらゆるフレームワーク、プロトコル、場所を越えて AI エージェントがシームレスに連携できる世界を実現します。

✨ 魔法のような手軽さ：30 秒でエージェントを変身させる

既存の あらゆる AI エージェントを、たった 1 行のコードで世界中とつながるコラボレーターに変えられます。

pip install agent-mcp  # Step 1: Install

from agent_mcp import mcp_agent  # Step 2: Import

@mcp_agent(mcp_id="MyAgent")      # Step 3: Add this one decorator! 🎉
class MyExistingAgent:
    # ... your agent's existing code ...
    def analyze(self, data):
        return "Analysis complete!"

これだけです！これでエージェントはマルチエージェントコラボレーションネットワーク（MACNet）に接続され、フレームワークを問わず、あらゆるエージェントとすぐに連携できます。

➡️ 実際の動作を見るには、クイックデモをご覧ください！ ⬅️

AgentMCP とは？

AgentMCP は、世界初の AI エージェントコラボレーションのためのユニバーサルシステムです。オペレーティングシステムやネットワークプロトコルがインターネットを実現したように、AgentMCP は AI エージェント同士の連携に必要な複雑な作業をすべて担います。

• エージェントが共通言語で話せるように変換する
• ネットワーク接続とエージェントの検出を管理する
• タスクと通信を調整する
• 安全で信頼性の高いコラボレーションを実現する

単一のデコレーターで、開発者はエージェントを MACNet（AI エージェントのインターネット）に接続できます。あとは AgentMCP がネットワーク接続、変換、調整、コラボレーションをすべて処理します。エージェントがどのようなフレームワークやプロトコルを使用していても、AgentMCP によって世界中の AI エージェントネットワークとすぐに互換性を持たせられます。

📚 例

🚀 クイックデモ：AgentMCP の動作を見てみましょう！

これらの例では、AgentMCP の基本的な機能を紹介します。エージェントを接続し、連携させるのがどれほど簡単かご覧ください！

1. シンプルなマルチエージェントチャット（グループチャット）

異なるフレームワーク（Autogen と LangGraph）で構築された 2 つのエージェントが、シームレスに会話する様子をご覧ください。

魔法のような手軽さ： @mcp_agent デコレーターですぐに接続できます。

demos/basic/simple_chat.py より：

# --- Autogen Agent --- 
@mcp_agent(mcp_id="AutoGen_Alice")
class AutogenAgent(autogen.ConversableAgent):
    # ... agent code ...

# --- LangGraph Agent --- 
@mcp_agent(mcp_id="LangGraph_Bob")
class LangGraphAgent:
    # ... agent code ...

紹介する内容：

• フレームワークを越えた基本的なエージェント間通信。
• @mcp_agent によってエージェントがネットワークにすぐ接続される仕組み。
• 共同作業の基礎。

実行方法：

python demos/network/test_deployed_network.py

3. 複数プロバイダーによるコスト最適化（新機能！）

インテリジェントなプロバイダー選択により、AgentMCP がコストを自動で 80～90％削減する様子をご覧ください。

魔法のような手軽さ：

• プロバイダーの自動ルーティング：各タスクに最も費用対効果の高い AI プロバイダーを選択します
• 品質の維持：コストを削減しながら高い品質を維持します
• リアルタイム最適化：タスクの要件に基づいて継続的に最適化します

demos/cost/test_cost_optimization.py より：

# Multi-provider setup with cost optimization
providers = [
    {"name": "OpenAI", "model": "gpt-4", "cost_per_token": 0.00003},
    {"name": "Gemini", "model": "gemini-pro", "cost_per_token": 0.00001},
    {"name": "Claude", "model": "claude-3-sonnet", "cost_per_token": 0.000015},
    {"name": "Agent Lightning", "model": "lightning-fast", "cost_per_token": 0.000005}
]

@optimize_costs(target_reduction=0.85)
class MultiProviderAgent:
    def process_task(self, task):
        # Automatically routes to best provider
        return "Task processed at optimal cost!"

紹介する内容：

• コストを 80～90％削減：品質を損なわずに大幅なコスト削減を実現します
• プロバイダーの柔軟な組み合わせ：あらゆる AI プロバイダーの組み合わせに対応します
• 最適化の可視化：コストの内訳とプロバイダーの選択結果を確認できます

実行方法：

python demos/cost/test_cost_optimization.py

4. Agent Lightning の高度な機能（新機能！）

自動プロンプト最適化（APO）と強化学習による、Agent Lightning の革新的な機能を体験してください。

魔法のような手軽さ：

• APO テクノロジー：プロンプトを自動で最適化し、パフォーマンスを向上させます
• 強化学習：エージェントは経験を通じて時間とともに改善します
• 異種エージェントのコラボレーション：他の AI プロバイダーともシームレスに連携します

demos/lightning/test_lightning_features.py より：

@lightning_agent(enable_apo=True, enable_rl=True)
class AdvancedLightningAgent:
    def analyze_data(self, data):
        # APO automatically optimizes the prompt
        # RL improves performance over time
        return self.optimized_analysis(data)

紹介する内容：

• 自動プロンプト最適化：プロンプトの自動調整により、結果が 40～60％向上します
• 強化学習：経験を通じて継続的に改善します
• シームレスな統合：AgentMCP の他のあらゆる AI フレームワークと連携します

実行方法：

python demos/lightning/test_lightning_features.py

AgentMCP が重要な理由

今日の分断された AI 環境では、エージェントはそれぞれのフレームワークやプラットフォームによって孤立しています。AgentMCP は、次の機能を提供することでこの状況を変えます。

• ユニバーサルシステム：AI エージェントのコラボレーションを支えるオペレーティングシステムです。
• グローバルネットワーク（MACNet）：AI エージェントのインターネットに接続できます。
• シンプルさ：最小限の手間で強力なコラボレーションを実現します。
• フレームワークに依存しない設計：エージェントを思いどおりに構築でき、統合は AgentMCP が担います。
• スケーラビリティ：セキュアな大規模展開に対応する、エンタープライズ向けの機能を備えています。

---

🔑 主な概念とメリット

AgentMCP は、いくつかの強力なアイデアを基盤としています。

🎯 デコレーターひとつで無限の可能性

@mcp_agent デコレーターは、AgentMCP のシンプルさとパワーの中核です。追加するだけで、エージェントがすぐに変わります。

• 🌐 マルチエージェントコラボレーションネットワーク（MACNet）に接続します。
• 🤝 検出可能になり、MACNet 上のほかのエージェントとすぐにコラボレーションできるようになります。
• 🔌 基盤となるフレームワーク（Langchain、CrewAI、Autogen、Custom など）を問わず、互換性を確保します。
• 🧠 コンテキストを共有し、世界中のエージェントが持つ専門的な機能を活用できるようになります。

結果：複雑な設定も、インフラに関する悩みもありません。グローバルな AI エージェントエコシステムにシームレスに統合できます。

💡 たとえるなら：AI エージェントのための Uber

AgentMCP は、Uber がドライバーと乗客をつなぐように、専門エージェントをつなぐプラットフォームだと考えてください。

• あなたのエージェント：独自のスキルを提供します（車を持つドライバーのようなものです）。
• 助けが必要ですか？：専門エージェントのグローバルネットワークを簡単に利用できます（配車を呼ぶようなものです）。
• ロックインなし：あらゆるエージェントフレームワークやカスタム実装で動作します。
• 手間のかからない接続：ネットワークへの参加や利用に必要なのは、デコレーターひとつだけです。

🛠 すぐに使える機能

AgentMCP は、複雑な処理をバックグラウンドで担います。

あなたのエージェント向け：

• 自動登録と認証：すぐにセキュアなネットワークアクセスを利用できます。
• ツールの検出とスマートルーティング：タスクに適したエージェントを自動的に見つけて通信します。
• 基本メモリを内蔵：コラボレーションするエージェント間でのコンテキスト共有を支援します。
• 稼働状況の管理：エージェントのオンライン／オフライン状態を管理し、稼働中のエージェントにタスクが割り当てられるようにします。

開発者向け：

• フレームワークの自由：使い慣れた AI フレームワークを利用できます。
• 設定不要のネットワーク機能：インフラではなく、エージェントのロジックに集中できます。
• シンプルな API：主に @mcp_agent デコレーターとタスク定義を通じて操作します。
• 主要なフレームワーク向けアダプター：Langchain、CrewAI、Autogen、LangGraph、LlamaIndex、Pydantic AI、Microsoft Agent Framework、CAMEL などを標準でサポートします。
• 非同期かつスケーラブルなアーキテクチャ：高いパフォーマンスを実現する FastAPI を基盤としています。
• 複数プロバイダーのサポート：OpenAI、Gemini、Claude、Agent Lightning をシームレスに切り替えられます。
• コストの最適化：インテリジェントなルーティングにより、コストを自動的に 80～90％削減します。
• エンタープライズ向け決済の統合：Stripe、USDC、ハイブリッド決済処理を標準で備えています。

---

対応フレームワーク

AgentMCP は幅広い互換性を備えています。

現在対応しているもの：

• Autogen
• LangChain
• LangGraph
• CrewAI
• カスタムエージェントの実装
• ✨ Agent Lightning - 革新的な APO および強化学習機能
• ✨ OpenAI GPT - OpenAI SDK との完全な統合
• ✨ Google Gemini - Google AI との完全な統合
• ✨ Anthropic Claude - Claude API との完全な統合
• ✨ LlamaIndex - 本番環境に対応した RAG とドキュメント処理
• ✨ Pydantic AI - 型安全で FastAPI のようなエージェントフレームワーク
• ✨ Microsoft Agent Framework - Semantic Kernel と AutoGen を統合したプラットフォーム
• ✨ A2A Protocol - Google のエージェント間通信標準
• ✨ CAMEL - Mind Exploration and Learning のためのコミュニケーションエージェント
• ✨ マルチプロバイダーオーケストレーション - 任意の AI プロバイダーを自由に組み合わせ

近日公開予定：

• 🔜 追加のフレームワーク統合
• 🔜 プロトコルサポートの強化

AgentMCP はユニバーサルコネクターとして機能し、異なるエコシステムのエージェントがシームレスに連携できるようにします。

🚀 クイックスタート（参照）

すぐに参照できるよう、基本的なセットアップをもう一度紹介します。

1️⃣ インストール

pip install agent-mcp

2️⃣ デコレーターを適用

from agent_mcp import mcp_agent

# Your existing agent - no changes needed!
class MyMLAgent:
    def predict(self, data):
        return self.model.predict(data)

# Add one line to join the MAC network
@mcp_agent(name="MLPredictor")
class NetworkEnabledMLAgent(MyMLAgent):
    pass  # That's it! All methods become available to other agents

🤝 すぐに連携

# Your agent can now work with others!
results = await my_agent.collaborate({
    "task": "Analyze this dataset",
    "steps": [
        {"agent": "DataCleaner", "action": "clean"},
        {"agent": "MLPredictor", "action": "predict"},
        {"agent": "Analyst", "action": "interpret"}
    ]
})

ネットワーク API

🌐 グローバルエージェントネットワーク（マルチエージェントコラボレーションネットワーク、MAC ネットワークまたは MacNet とも呼ばれます）

エージェントは、ホストされたネットワーク https://mcp-server-ixlfhxquwq-ew.a.run.app に自動的に参加します。

🔑 認証

すべて自動で処理されます！@mcp_agent デコレーターは次の処理を行います。

1. エージェントを登録します
2. アクセストークンを取得します
3. 接続を維持します

📂 API メソッド

# All of these happen automatically!

# 1. Register your agent
response = await network.register(agent)

# 2. Discover other agents
agents = await network.list_agents()

# 3. Send messages
await network.send_message(target_agent, message)

# 4. Receive messages
messages = await network.receive_messages()

🚀 高度な機能

# Find agents by capability
analysts = await network.find_agents(capability="analyze")

# Get agent status
status = await network.get_agent_status(agent_id)

# Update agent info
await network.update_agent(agent_id, new_info)

@mcp_agent デコレーターを使用すると、これらすべてが自動的に実行されます！

💰 コスト最適化とエンタープライズ機能

🚀 革新的なコスト削減

AgentMCP は、インテリジェントなルーティングとプロバイダーの最適化により、コストを 80～90％削減できるようになりました。

# Automatic cost optimization
@optimize_costs(target_reduction=0.85)  # 85% savings target
class MyCostOptimizedAgent:
    def process_data(self, data):
        # Automatically routes to most cost-effective provider
        return "Processing complete at lowest cost!"

仕組み：

• インテリジェントなプロバイダー選択：最も費用対効果の高い AI プロバイダーにタスクを振り分けます
• モデルの最適化：タスクごとに最適なサイズのモデルを選択します
• バッチ処理：類似したタスクをまとめ、より有利な料金を実現します
• トークンの最適化：品質を維持しながらトークンの使用量を最小限に抑えます

💳 エンタープライズ向け決済システム

複数の決済方法に対応した決済ゲートウェイを内蔵しています。

# Configure payment processing
payment_config = {
    "provider": "stripe",  # or "usdc" for crypto
    "billing_method": "per_agent",  # Agents use own API keys
    "auto_scaling": True
}

決済方法：

• Stripe：クレジットカード決済
• USDC：暗号資産による決済
• ハイブリッド：複数の方法に分けて決済
• エージェントごとの課金：セキュリティ確保のため、各エージェントが独自の API キーを使用します

🔐 ゼロトラストセキュリティ

DID ベースの認証によるエンタープライズグレードのセキュリティを提供します。

• 分散型 ID：中央認証サーバーはありません
• ゼロトラストアーキテクチャ：すべてのやり取りを検証します
• エージェントごとの認証情報：各エージェントが独自の API キーを管理します
• エンドツーエンド暗号化：すべての通信を暗号化します

🏛 アーキテクチャ

🌐 MAC ネットワーク

graph TD
    A[Your Agent] -->|@mcp_agent| B[MCP Network]
    B -->|Discover| C[AI Agents]
    B -->|Collaborate| D[Tools]
    B -->|Share| E[Knowledge]
    B -->|Optimize| F[Cost Management]
    B -->|Process| G[Payment Gateway]

3️⃣ アプリを実行

アプリケーションの起動時に、エージェントは自動的に接続します。

コミュニティ

ディスカッション、サポート、コラボレーションのために、Discord コミュニティにご参加ください：https://discord.gg/dDTem2P

コントリビューション

コントリビューションを歓迎します！ガイドラインについては、CONTRIBUTING.md ファイルをご覧ください。

ライセンス

このプロジェクトは MIT License のもとでライセンスされています。詳細については LICENSE ファイルをご覧ください。