GooseTeam

GooseTeam

让 Goose Agent 协作

协议：

Agent 遵循的操作流程，以两种形式呈现：

• 自然语言：精简、易读的说明，介绍如何操作以及如何使用工具。
• Mermaid Markdown：以高效的文本格式描述的简洁流程图，展示预期行为。

扩展：

Goose 扩展（MCP 服务），为 Agent 提供用于执行任务和发送消息的工具。

• **Agent 注册：**为 Agent 分配唯一 ID 并发送消息，协助完成 Agent 注册。
• **消息管理：**存储来自 Agent 的消息，以供检索。
• **任务管理：**项目协调员负责创建任务，并将任务和角色分配给其他 Agent。
• **Agent 等待：**允许已连接的 Agent 等待指定时长，然后再执行其他操作。
• **远程服务：**借助 MCP Proxy，多个 Agent 可以连接到同一个 MCP 服务，这是协作所必需的。

开发中

• 目前的重点是集成 Goose CLI，因此你必须安装它。
  • 其他 Agent 平台也可以轻松集成到此项目中。
  • 协议和 MCP 服务与 Goose 的耦合度并不高，只有 npm agent: 脚本和协议前言与其相关。

新增：使用 Mermaid markdown 进行行为控制！

• Agent 协议以 mermaid 图表的形式呈现。

• 使用 agent:chart 脚本启动你的 Agent，看看你最喜欢的大模型能否遵循它！

截图

GooseTeam 协议图表

GPT-4o 认可将其用作控制机制

Goose Agent

Inspector - 工具列表

Inspector - 添加消息

Inspector - 任务列表

如何运行

告知 Goose 此扩展

• 运行 goose configure
• 选择 Add Extension
• 选择 Remote Extension
• 名称输入 goose-team
• SSE 端点 URI 输入 http://localhost:3001/sse

按顺序运行这些 npm 脚本：

• 首先，将此仓库克隆到本地计算机，并安装依赖项
• npm run build - 从源代码构建服务。
• npm run mcp-proxy，启动 SSE 代理，以便与单个 goose-team MCP 服务实例通信，
• npm run inspector，在浏览器中启动 MCP inspector
  • 在这里，点击 connect，然后点击 list_tools、add_message，接着以 Human 身份发送一条消息，描述团队要处理的任务或项目。
• npm run agent，启动一个 Agent，它会读取协议和说明，连接到 goose-team 服务，将自己指定为项目协调员，然后开始创建任务。
  • 在 inspector 窗口中，点击 list_tasks，查看它正在添加的任务，
  • 有一些任务后，你可以反复运行 npm run agent，启动由项目协调员分配任务的 Agent。

故障排除

GOOSE TEAM 的运行效果取决于模型！！！

按照以下步骤测试你的模型是否可用。

• npm run build - 从源代码构建服务。
• npm run mcp-proxy，启动 SSE 代理，以便与单个 goose-team MCP 服务实例通信，
• npm run agent:test 此命令会启动一个连接到同一 MCP 的 Agent，但它使用更简单的协议：用另一种语言问好，等待 2 秒，然后再次问好。
• 这里有一个视频展示了成功运行 agent:test 的示例。

目前，我能让它持续运行的模型只有 google/gemini-2.0-flash-001（通过 openrouter.ai 以避免因速率限制而中断）和 openai/gpt-4o。 其他模型都会中断循环。模型遵循协议并持续运行、检查消息和休眠非常重要，尤其是对项目协调员而言。

我建议运行 build, mcp-proxy 和 agent:test。如果你配置的模型做了一些工作后停止，并出现“message loop ended”错误，那说明这个模型不太擅长使用工具。试试不同的模型，看看哪些可用。如果你发现上述模型之外的其他模型也能持续工作，请告诉我！

MCP 工具

Agent

• register_agent

  • 注册一个新 Agent，并提供唯一 ID 和随机分配的颜色。
  • 输入： 无
  • 返回： 包含唯一 id 和分配的 color 的 JSON Agent。

• list_agents

  • 列出所有已注册的 Agent，概览可用的参与者。
  • 输入： 无
  • 返回： 所有连接到服务的 Agent 的 JSON 列表。

• agent_leave

  • 允许 Agent 离开团队。
  • 输入： 无。
  • 返回： 已离开的 Agent 的 JSON。

• agent_wait

  • 允许 Agent 等待指定秒数后再执行其他操作。
  • 输入：
    • seconds：等待的秒数。
  • 返回： 已过时间的确认信息。

消息

• add_message

  • 允许 Agent 发送一条新消息，并将其存储在服务中。
  • 输入：
    • senderId：发送消息的 Agent 的 ID。
    • content：消息内容。
  • 返回： 已添加消息的确认信息。

• recent_messages

  • 获取服务中存储的最新消息。
  • 输入： 无
  • 返回： 包含最新三条消息的 JSON 数组。

• list_messages

  • 获取服务中存储的所有消息。
  • 输入： 无
  • 返回： 包含服务中所有消息的 JSON 数组。

• clear_messages

  • 清除服务中存储的所有消息。
  • 输入： 无
  • 返回： 已清除消息的确认信息。

任务

• add_task

  • 向服务端添加任务。
  • 输入：
    • description：任务描述。
  • **返回：**新添加的任务及其分配的 ID。

• list_tasks

  • 列出服务端的所有任务。
  • **输入：**无
  • **返回：**服务端所有任务的 JSON 列表。

• assign_task

  • 将任务分配给 Agent。
  • 输入：
    • taskId：任务的 ID。
    • agentId：要分配任务的 Agent 的 ID。
  • **返回：**确认消息已添加。

• complete_task

  • 完成任务。
  • 输入：
    • taskId：任务的 ID。
  • **返回：**确认任务已完成。

开发者设置

安装依赖项

• cd /path/to/GooseTeam/
• npm install

构建

• npm run build
• 在 /dist/index.js 构建基于 stdio 的 MCP 服务运行时

STDIO 服务 - 代理模式

• npm run stdio:proxy
• 在端口 :3001 的 /sse 端点启动基于 SSE 的 MCP 代理
• 此代理与 STDIO 封装的 GooseTeam MCP 服务单实例通信
• 多个客户端可以连接到同一服务，并查看相同的资源

SSE 服务 - 直连模式

• npm run sse:direct
• 在端口 :3001 的 /sse 端点启动 SSE 封装的 GooseTeam MCP 服务实例
• 多个客户端可以连接到同一服务，并查看相同的资源
• 这与代理模式的 STDIO 方案等效，但使用的是我们的 SSE 版本服务。

StreamableHTTP 服务 - 直连模式

• npm run streamableHttp:direct
• 在端口 :3001 的 /mcp 端点启动 StreamableHTTP 封装的 GooseTeam MCP 服务实例
• 多个客户端可以连接到同一服务，并查看相同的资源
• 这与代理模式的 STDIO 方案等效，但使用的是我们的 SSE 版本服务。

Inspector

• npm run inspector
• 运行 Model Context Protocol Inspector
• Inspector UI 可通过以下地址访问：http://localhost:5173
• 在 Inspector UI 中：
  • 确保 Transport Type 设置为 StreamableHttp
  • 确保 URL 设置为 http://localhost:3001/mcp
  • 点击其 "Connect" 按钮
    • 你应该会看到绿色指示灯 🟢和 "Connected" 消息。
  • 点击其 List Tools 按钮
• 多个客户端实例可以连接到同一服务，并共享相同的资源

Agent - 文本协议

• npm run agent:text
• 启动一个新的 GooseTeam Agent，其行动指令位于：instructions/protocol-as-text.md
  • 此 Agent 的协议指令采用文本 Markdown 格式，以标题、文本和项目符号呈现。
  • 注意：这是一个自然语言提示词，但由于它要求等待并持续循环，某些大模型可能会犹豫
  • 如果大模型无法持续循环，请使用不同的大模型尝试 Agent Wait Test，以找到合适的模型。
• 第一个 Agent 将担任项目协调员角色
• **注意：**最好在启动第一个 Agent 之前，先使用 Inspector 连接到服务
  • 以 "Human" 的身份发送一条消息，告诉它你希望团队完成什么任务

Agent - 图表协议

• npm run agent:chart
• 启动一个新的 GooseTeam Agent，其行动指令位于：instructions/protocol-as-chart.md
  • 此 Agent 的协议指令采用 Mermaid Markdown 格式，这是一种简洁的流程图表达方式。
  • 注意：虽然这种方式能高效地表达协议，但某些大模型可能无法理解
  • 如果大模型无法理解 Mermaid Markdown，它会说明情况并退出。
• 第一个 Agent 将担任项目协调员角色
• **注意：**最好在启动第一个 Agent 之前，先使用 Inspector 连接到服务
  • 以 "Human" 的身份发送一条消息，告诉它你希望团队完成什么任务

Agent 等待测试

• npm run agent:wait:test
• 启动一个新的 GooseTeam Agent，并按照 instructions/wait-loop-test.md 中的指令让它蹒跚前行。
• 这会测试已配置模型保持循环并定期检查消息的能力。
• 如果它以错误“outgoing message queue empty”结束，则说明它不是一个好的工具使用模型，因此不适合与 GooseTeam 配合使用。
• **注意：**请务必先运行 MCP Proxy。

格式化

• npm run format
• 使用 prettier 格式化代码

类型检查

• npm run typecheck
• 使用带有参数的 tsc 检查并报告类型问题

代码检查

• npm run lint
• 使用 eslint 以非破坏性方式检查并报告语法问题

修复代码问题

• npm run lint:fix
• 使用 eslint 检查并修复语法问题

测试

• npm run test
• 运行单元测试

链接

• **MCP 规范：**完整的 Model Context Protocol 规范请参阅此处。
• **服务端参考：**我们采用了一种简单但模块化的方法，示例来自 GitHub MCP 服务。
• **灵感来源：**基于 Aaron Goldsmith 的 Gist 此处不断迭代。
• 观看 Aaron 关于其初次实验的演讲“Building a team of AI agents”。