Multi Capable Processing MCP Smart Agent

多能力处理（MCP）智能 Agent 这是一个模块化且可扩展的 AI 驱动 Agent 系统，通过中心化 REST API 连接各个专用 Agent。这些 Agent 可以分析代码仓库、获取外部数据（例如天气）、生成文本摘要，并使用持久化记忆管理器记住过去的交互。

---

🚀 主要功能

• 多 Agent 架构： 采用模块化设计，包含用于代码分析、数据查询和摘要生成的专用 Agent。
• 工具集成型 Agent： 每个 Agent 都会使用 GitHub API、天气服务或基础 NLP 技术等工具。
• 记忆系统： 持久保存先前任务的记忆，以便进行上下文回忆。
• RESTful 服务： 可通过 HTTP 轻松集成到前端、命令行工具或工作流中。
• Pythonic 结构： 项目布局易于测试和扩展。
• 支持扩展： 可接入 OpenAI、LangGraph、向量数据库等。

---

🗂️ 项目结构

mcp-smart-agent/
│
├── agents/                  # AI agents for specific task domains
│   ├── code_agent.py        # Analyzes GitHub repositories
│   ├── data_agent.py        # Fetches weather data
│   └── summary_agent.py     # Summarizes input text
│
├── tools/                   # External service integrations
│   ├── github_tool.py       # Simulates GitHub API access
│   └── weather_tool.py      # Simulates weather data fetch
│
├── memory/
│   └── memory_manager.py    # In-memory key-value storage (can be extended)
│
├── server/
│   └── mcp_server.py        # Flask API endpoints to interact with all agents
│
├── tests/
│   └── test_agents.py       # Unit tests for core functionality
│
├── main.py                  # Entry point to start the server
├── requirements.txt         # Python dependencies
└── README.md                

---

🧠 工作原理

系统会启动一个 Flask 服务，并公开与不同 Agent 对应的端点：

1. CodeAgent（分析 GitHub 仓库）

• 从类似 GitHub 的仓库中提取数据（使用模拟数据）。
• 返回概要分析（例如文件数量）。
• 将结果保存到记忆中。

2. DataAgent（获取天气数据）

• 接受地点输入。
• 返回模拟天气数据（可连接到 OpenWeatherMap 等服务）。

3. SummaryAgent（文本摘要器）

• 接受长文本并返回基础摘要。
• 你可以扩展此功能，以使用 GPT 或 HuggingFace 模型。

4. MemoryManager

• 保存输出，以便重复使用。
• 支持简单的键值记忆（可升级为 Redis 或向量数据库）。

---

🔌 API 端点

方法	端点	描述
POST	/analyze_repo	分析 GitHub 仓库
POST	/get_weather	获取模拟天气数据
POST	/summarize	总结一段文本
POST	/retrieve_memory	获取为某项任务存储的记忆

🔧 使用示例

curl -X POST http://localhost:5000/analyze_repo \
  -H "Content-Type: application/json" \
  -d '{"repo_url": "https://github.com/example/repo"}'

---

🧪 测试

运行单元测试：

python -m unittest discover tests

---

🛠 安装与运行

前置条件

• Python 3.7+
• 已安装 pip

安装依赖项

pip install -r requirements.txt

启动服务

python server/mcp_server.py

---

扩展思路

• 用真实 API（GitHub、OpenWeather、LangChain 工具）替换模拟工具。
• 使用 Pinecone 或 ChromaDB 等向量数据库保存持久化记忆。
• 添加 LangGraph，以支持长时间运行的规划工作流。
• 用 GPT-4 或 HuggingFace Transformers 替换摘要 Agent。
• 添加身份验证、日志记录和速率限制。

🙋‍♂ 作者

由 Adad 制作——一个用于快速原型开发和实验的开源 AI Agent 框架。