mcpField
A
Agency Mcp Server

Agency Mcp Server

本地服务
github.com/npupkoAI 与智能体130 周前更新

关于 Agency Mcp Server

Agency Mcp Server 让 AI 助手按需搜索并调用专业 Agent 模板,针对具体任务生成专门 Agent。它适合需要领域型 Agent、又不希望每次对话都加载全部模板的用户。

主要功能

  1. 01按任务描述搜索 Agent
  2. 02浏览部门和 Agent 列表
  3. 03使用系统提示词生成专业 Agent
  4. 04查看索引状态并更新模板
  5. 05从代码库或本地路径加载模板

适用场景

  1. 01为游戏经济任务寻找专业 Agent
  2. 02查找用于安全审查的 Agent
  3. 03按部门浏览 Agent
  4. 04刷新 Agent 模板索引

MCP 相关

它提供搜索、浏览、状态检查和模板更新四种工具,以及 Agent 索引和部门资源及 `use-agent` 提示词。匹配的 Agent 模板可用于生成子 Agent。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"agency": {
"command": "npx",
"args": [
"-y",
"agency-mcp-server"
],
"env": {
"AGENCY_AGENTS_PATH": "<AGENCY_AGENTS_PATH>",
"AGENCY_REPO_URL": "<AGENCY_REPO_URL>",
"AGENCY_AUTO_UPDATE": "<AGENCY_AUTO_UPDATE>",
"AGENCY_UPDATE_INTERVAL": "<AGENCY_UPDATE_INTERVAL>"
}
}
}
}
启动命令npx -y agency-mcp-server
需要配置的环境变量
AGENCY_AGENTS_PATHCustom path to agent templates directory
AGENCY_REPO_URLGit repo URL to clone agent templates from
AGENCY_AUTO_UPDATEEnable automatic template updates (true/false)
AGENCY_UPDATE_INTERVALHours between update checks

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmagency-mcp-server0.2.2

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

agency-mcp-server

npm version JSR CI License: MIT

只需添加一项 MCP 配置,即可按需使用 150 多个专业 Agent。无需手动设置。

你的 AI 助手是通才。有时,你需要一位专家——比如游戏经济设计师、安全审计员或技术写作者。这个 MCP 服务让你的助手能够即时使用 150 多个专家 Agent 模板。描述你的需求,它就会找到合适的 Agent 并启动它。

You: "Help me design a balanced game economy"
Claude: [searches -> finds Game Economy Designer -> spawns it -> expert response]

模板会在首次运行时自动从 agency-agents 获取,并保持更新。你无需进行任何操作。

为什么不直接在本地安装 Agent?

你可以这么做。agency-agents 安装脚本会将全部 160 多个 Agent 文件直接复制到工具的配置目录中(例如 ~/.claude/agents/)。这确实可行——但每个 Agent 的名称和描述都会加载到每次对话的上下文窗口中,无论你是否使用它们。

我们进行了测量:

方式上下文开销使用时机
已安装的 Agent(~/.claude/agents/)约 8,300 个 token每次对话,始终如此
MCP 服务(空闲)约 55 个 token每次对话
MCP 服务(搜索时)约 350 个 token仅在搜索时
MCP 服务(使用 Agent 时)约 2,700 个 token仅在启动 Agent 时(中位数)

这样可将基线上下文用量降低 150 倍。你可以使用同样的 160 多个 Agent,但只需为实际使用的 Agent 支付开销。

测量方式

已安装的 Agent(8,300 个 token): 我们运行了 agency-agents 安装脚本(install.sh --tool claude-code),将 162 个 Agent 文件复制到 ~/.claude/agents/。随后打开一个全新的 Claude Code 会话并运行 /context。Claude Code 报告“自定义 Agent:8.3k 个 token”——无论是否使用任何 Agent,这些内容都会加载到每次对话中。

MCP 空闲状态(55 个 token): 改为配置 MCP 服务后,/context 只会显示两个延迟加载的工具名称(agency_search、agency_browse),以及系统提示词中的简短服务描述。不会加载任何 Agent 数据。

MCP 搜索时(350 个 token): 通过对助手调用 ToolSearch 以解析 agency_search 和 agency_browse 工具时加载的完整 JSON 工具架构进行分词测得。使用 @anthropic-ai/tokenizer 进行统计。

MCP 使用 Agent 时(2,700 个 token): 使用 @anthropic-ai/tokenizer 测得的全部 145 个 Agent 文件的 token 数中位数。只有你实际使用的那个 Agent 文件会加载到上下文中。根据 Agent 不同,范围为 383–12,724 个 token(p25:1,549,p75:3,584)。

快速开始

Claude Code

作为插件使用:

/plugin marketplace add npupko/agency-mcp-server
/plugin install agency@agency-mcp-server

或通过 CLI 使用:

claude mcp add agency -- npx -y agency-mcp-server
Cursor、Windsurf 和其他 MCP 客户端

添加到 MCP 配置中:

{
  "mcpServers": {
    "agency": {
      "command": "npx",
      "args": ["-y", "agency-mcp-server"]
    }
  }
}

就是这样。首次启动时会将模板克隆到 ~/.cache/agency-mcp-server/,并每 24 小时获取一次更新。

验证是否正常工作

向助手提问:

“搜索游戏经济设计师 Agent”

你应该会看到 agency_search 工具返回的结果。如果这是首次运行,模板会自动下载(约需 30 秒)。

工作原理

你的助手会获得四个工具:

  1. agency_search(query, division?) -- 描述任务,获取匹配的 Agent 及其启动说明
  2. agency_browse(division?) -- 浏览分组和 Agent,查看可用内容
  3. agency_status() -- 检查索引是否为最新:Agent 数量、上次更新时间,以及是否有可用更新
  4. agency_update() -- 从 git 拉取最新模板并重建搜索索引,无需重启

当你请求协助处理某个具体任务时,助手会调用 agency_search,选择最匹配的 Agent,并使用该专家的完整系统提示词启动一个子 Agent。你无需接触任何配置文件,就能获得专家级回复。

可用内容

Agent 按分组进行组织:

分组示例
工程软件架构师、DevOps 工程师、技术文档撰写者
设计UI 设计师、UX 研究员、设计系统
游戏开发游戏经济设计师、游戏机制设计师
市场营销内容策略师、SEO 专家、电子邮件营销
安全与专业领域安全审计员、数据科学家、法律分析师
……以及更多学术、销售、战略、支持、测试、空间计算

配置

所有配置均通过 MCP 配置中的环境变量完成:

变量默认值说明
AGENCY_AGENTS_PATH~/.cache/agency-mcp-server/agency-agentsAgent 模板的路径。设置此项可使用你自己的模板,而非自动克隆
AGENCY_REPO_URLhttps://github.com/msitarzewski/agency-agents.git用于克隆模板的 Git 仓库。可指定你自己的分支
AGENCY_AUTO_UPDATEtrue设为 false 可禁用自动拉取
AGENCY_UPDATE_INTERVAL24更新检查间隔(小时)
使用自己的模板

指定本地目录:

{
  "mcpServers": {
    "agency": {
      "command": "npx",
      "args": ["-y", "agency-mcp-server"],
      "env": {
        "AGENCY_AGENTS_PATH": "/path/to/your/agent-templates"
      }
    }
  }
}

或从自己的仓库克隆:

{
  "mcpServers": {
    "agency": {
      "command": "npx",
      "args": ["-y", "agency-mcp-server"],
      "env": {
        "AGENCY_REPO_URL": "https://github.com/yourorg/custom-agents.git"
      }
    }
  }
}
模板格式

每个 Agent 都是一个带有 YAML 前置元数据的 Markdown 文件,并按分组组织:

engineering/
  software-architect.md
  devops-engineer.md
design/
  ui-designer.md
game-development/
  game-economy-designer.md
---
name: Software Architect
description: Expert software architect specializing in system design...
---

Full agent system prompt goes here.

服务会为 name 和 description 字段建立索引以供搜索。完整的 Markdown 正文会在 Agent 启动时作为其系统提示词。

MCP 接口

工具
  • agency_search(query, division?) -- 根据任务描述查找 Agent,返回匹配结果、文件路径和可直接使用的启动模板
  • agency_browse(division?) -- 列出所有分组,或列出特定分组中的 Agent
  • agency_status() -- 检查索引是否为最新:Agent 数量、上次更新时间,以及是否需要更新
  • agency_update() -- 从 git 拉取最新模板,并在运行时重建搜索索引
资源
  • agency://agents -- 完整的 Agent 索引(JSON 格式)
  • agency://divisions -- 分组列表,包含数量和示例
提示词
  • use-agent -- 描述任务,获取最匹配的 Agent 及其启动说明

开发

npm install
npm run build

# Run with auto-fetched templates
node dist/index.js

# Run with local templates
AGENCY_AGENTS_PATH=./my-agents node dist/index.js

# Type checking
npm run typecheck

# MCP Inspector
npm run inspect

致谢

Agent 模板来自 @msitarzewski 创建的 agency-agents。

许可证

MIT

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。