MCP Servers Multi-Agent AI Infrastructure

MCP サーバーによるマルチエージェント AI インフラストラクチャ

専門分野に特化した Model Context Protocol（MCP）サーバーを活用し、マルチエージェント AI スウォームを実現する包括的なインフラストラクチャです。このモノレポには、さまざまな専門機能を備えたインテリジェントエージェントをオーケストレーションし、接続し、その能力を引き出すために必要なコンポーネント一式が含まれています。

🌟 概要

このプロジェクトでは、専門分野に特化したエージェントが連携し、コンテキストを共有し、Model Context Protocol（MCP）を通じてさまざまな機能を活用できるマルチエージェント AI エコシステムを構築できます。標準化された通信レイヤーを提供することで、エージェントは統一されたプロトコルを通じて、ベクトルデータベース、専門ツール、さまざまなデータソースにシームレスにアクセスできます。

このインフラストラクチャは、次の機能をサポートしています。

• ベクトル埋め込みによるセマンティック検索と情報取得
• マルチエージェントの連携と通信
• モジュール型のマイクロサービスベースアーキテクチャ
• エージェント間のやり取りの視覚的な確認とデバッグ
• AI 機能を拡張するツールフレームワーク

🧩 主なコンポーネント

Inspector

MCP サーバーの監視、テスト、デバッグを行うインタラクティブなダッシュボードです。React/Vite フロントエンドと Express バックエンドで構築されています。

• 配置場所：/inspector
• 機能：
  • 任意の MCP サーバーへのリアルタイム接続
  • 利用可能なツールのインタラクティブな調査
  • プロンプトとツール呼び出しのテスト
  • エージェント間のやり取りの監視
  • サーバーの応答と動作のデバッグ

MCP 統合対応 Qdrant-DB

Qdrant を使用したベクトルデータベースの実装で、MCP サーバーと完全に統合されています。AI エージェント向けのセマンティック検索機能を実現します。

• 配置場所：/qdrant-db
• 機能：
  • セマンティック類似検索のためのベクトル埋め込み
  • メタデータ付きのドキュメント保存
  • 高度な操作を行うための Python クライアント
  • 効率的な埋め込み生成を実現する FastEmbed 統合
  • MCP エコシステムへのシームレスな接続

MCP Docker ネットワーク

MCP サービスを統一されたネットワーク内でオーケストレーションし、接続するためのインフラストラクチャです。

• 配置場所：/mcp-docker-network
• 機能：
  • 安全なサービス通信のための分離ネットワーク
  • コンテナーオーケストレーション用の管理ツール
  • スウォーム内でのサービス検出
  • 複雑なエージェントシステムのデプロイを簡素化

🚀 はじめに

前提条件

• Docker と Docker Compose
• Node.js（ローカル開発用）
• Python 3.9 以降（クライアントとスクリプトの実行用）

クイックスタート

1. リポジトリをクローンします。

   git clone https://github.com/FrankGenGo/mcp-servers.git
   cd mcp-servers
   

2. 共有 Docker ネットワークをセットアップします。

   cd mcp-docker-network
   ./scripts/manage-network.sh create
   

3. Qdrant ベクトルデータベースと MCP サーバーを起動します。

   cd ../qdrant-db/qdrant_stack
   docker-compose up -d
   

4. Inspector ダッシュボードを起動します。

   cd ../../inspector
   docker build -t mcp-inspector .
   docker run -d --name mcp-inspector --network mcp-docker-network -p 5173:5173 -p 3000:3000 mcp-inspector
   

5. http://localhost:5173 で Inspector ダッシュボードにアクセスします。

🏗️ アーキテクチャ

このプロジェクトは、Model Context Protocol を中心とした分散マイクロサービスアーキテクチャを実装しています。

┌───────────────┐     ┌───────────────┐     ┌───────────────┐
│   AI Agent    │     │  AI Agent     │     │  AI Agent     │
│  Capabilities │     │  Reasoning    │     │  Planning     │
└───────┬───────┘     └───────┬───────┘     └───────┬───────┘
        │                     │                     │
        │                     ▼                     │
        │             ┌───────────────┐             │
        └────────────►  MCP Network   ◄─────────────┘
                     │ Communication  │
                     └───────┬───────┘
                             │
              ┌──────────────┴──────────────┐
              │                             │
    ┌─────────▼──────────┐        ┌─────────▼──────────┐
    │   Qdrant MCP       │        │  Inspector         │
    │   Vector Search    │        │  Monitoring        │
    └────────────────────┘        └────────────────────┘

各コンポーネントは共有 Docker ネットワーク上で通信します。

• Inspector ダッシュボード（ポート 5173）→ Express プロキシ（ポート 3000）→ MCP サーバー
• Qdrant MCP サーバー（ポート 8000）→ Qdrant データベース（ポート 6333）
• すべてのサービスは mcp-docker-network 経由で接続されます。

🧠 ユースケース

• マルチエージェントシステム：異なる AI 機能を組み合わせた、協調型エージェントシステムの構築
• ナレッジ管理：直感的な AI インターフェースを備えたセマンティック検索システムの作成
• ツール統合：専門ツールやデータソースによる AI 機能の拡張
• 開発とデバッグ：開発中の MCP サーバーの確認とテスト

🛠️ 開発

各コンポーネントは個別に開発できます。

• Inspector：React/TypeScript フロントエンドと Express バックエンド
• Qdrant MCP サーバー：Python FastMCP の実装
• ネットワーク管理：Bash スクリプトと Docker Compose 設定

具体的な開発手順については、各サブディレクトリの README を参照してください。

📚 さらに詳しい情報

• Model Context Protocol の仕様
• MCP Python SDK
• MCP TypeScript SDK
• Qdrant のドキュメント

📄 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。