AgentMCP: Multi-Agent Collaboration Platform

AgentMCP：AI Agent 协作的通用系统

开启 AI 协作的新时代：AgentMCP 是一个系统，可让任意 AI Agent 与其他所有 Agent 协作，并处理它们之间的所有网络连接、通信和协调工作。结合 MACNet（AI Agent 互联网），我们正在打造一个世界，让 AI Agent 能够跨越任何框架、协议或地域无缝协作。

✨ 魔力：30 秒内改造你的 Agent

只需一行代码，就能将任意现有 AI Agent 变成全球互联的协作伙伴。

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!"

就是这样！你的 Agent 现在已连接到多 Agent 协作网络（MACNet），随时可以与其他任何 Agent 协作，不受其框架限制。

➡️ 跳转到快速演示，查看实际效果！ ⬅️

什么是 AgentMCP？

AgentMCP 是全球首个用于 AI Agent 协作的通用系统。正如操作系统和网络协议推动了互联网的发展，AgentMCP 负责处理让 AI Agent 协同工作所需的所有复杂工作：

• 让 Agent 使用通用语言交流
• 管理网络连接和发现
• 协调任务和通信
• 确保协作安全可靠

开发者只需使用一个装饰器，就能将自己的 Agent 连接到 MACNet（我们的 AI Agent 互联网），其余一切——网络连接、转换、协调和协作——都由 AgentMCP 负责。无论你的 Agent 使用什么框架或协议，AgentMCP 都能让它立即兼容我们的全球 AI Agent 网络。

📚 示例

🚀 快速演示：看看 AgentMCP 的实际效果！

这些示例展示了 AgentMCP 的核心能力。看看连接 Agent 并让它们协作有多简单！

1. 简单的多 Agent 聊天（群聊）

看看由不同框架（Autogen 和 LangGraph）构建的两个 Agent 如何无缝聊天。

魔力所在： @mcp_agent 装饰器可立即将它们连接起来。

来自 demos/basic/simple_chat.py：

# --- 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 ...

展示内容：

• 跨框架的基础 Agent 间通信。
• @mcp_agent 如何将 Agent 即时连接到网络。
• 协作工作的基础。

运行方式：

python demos/network/test_deployed_network.py

3. 多提供商成本优化（全新！）

看看 AgentMCP 如何通过智能选择提供商自动降低 80-90% 的成本。

魔力所在：

• 自动路由提供商：为每项任务选择最具成本效益的 AI 提供商
• 保持质量：降低成本的同时保持高质量
• 实时优化：根据任务要求持续优化

来自 demos/cost/test_cost_optimization.py：

# 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!"

展示内容：

• 降低 80-90% 的成本：大幅节省开支且不损失质量
• 提供商灵活性：支持任意 AI 提供商组合
• 透明优化：查看成本明细和提供商选择

运行方式：

python demos/cost/test_cost_optimization.py

4. Agent Lightning 高级功能（全新！）

体验 Agent Lightning 的突破性能力，包括自动提示词优化（APO）和强化学习。

魔力所在：

• APO 技术：自动优化提示词，提升性能
• 强化学习：Agent 通过经验不断进步
• 异构协作：与其他 AI 提供商无缝协作

来自 demos/lightning/test_lightning_features.py：

@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)

展示内容：

• 自动提示词优化：通过自动调整提示词，获得好 40-60% 的结果
• 强化学习：通过经验持续改进
• 无缝集成：可与 AgentMCP 中的任何其他 AI 框架协作

运行方式：

python demos/lightning/test_lightning_features.py

AgentMCP 为何重要

在当今碎片化的 AI 领域，Agent 被各自的框架和平台孤立。AgentMCP 通过以下方式改变这一现状：

• 通用系统：用于 AI Agent 协作的操作系统。
• 全球网络（MACNet）：连接 AI Agent 互联网。
• 简单易用：只需极少的工作，即可实现强大的协作。
• 框架无关：按自己的方式构建 Agent；集成工作交给我们。
• 可扩展性：提供适用于企业的功能，支持安全、大规模部署。

---

🔑 核心概念与优势

AgentMCP 建立在几个强大的理念之上：

🎯 一个装饰器 = 无限可能

@mcp_agent 装饰器是 AgentMCP 简单易用且功能强大的核心。添加它即可立即改造你的 Agent：

• 🌐 将它连接到多 Agent 协作网络（MACNet）。
• 🤝 让它可被发现，并随时与 MACNet 上的其他 Agent 协作。
• 🔌 无论底层使用什么框架（Langchain、CrewAI、Autogen、自定义框架等），都能确保兼容性。
• 🧠 让它能够共享上下文，并利用全球各地 Agent 的专业能力。

结果：无需复杂设置，也无需为基础设施烦恼——只需无缝融入全球 AI Agent 生态系统。

💡 类比：如同 AI Agent 的 Uber

可以把 AgentMCP 想象成连接专业 Agent 的平台，就像 Uber 连接司机和乘客一样：

• 你的 Agent：提供其独特技能（如同拥有汽车的司机）。
• 需要帮助？：轻松接入全球专业 Agent 网络（如同叫车）。
• 不受锁定：适用于任何 Agent 框架或自定义实现。
• 轻松连接：只需一个装饰器，即可加入或使用该网络。

🛠 开箱即用的功能

AgentMCP 会在后台处理复杂事项：

面向你的 Agent：

• 自动注册与身份验证：即时、安全地访问网络。
• 工具发现与智能路由：自动找到合适的 Agent 来执行任务并与之通信。
• 内置基础记忆：促进协作 Agent 之间的上下文共享。
• 可用性管理：管理 Agent 的在线/离线状态，并确保任务路由给活跃的 Agent。

面向开发者：

• 框架自由：使用你熟悉并喜爱的 AI 框架。
• 零配置网络：专注于 Agent 逻辑，而非基础设施。
• 简单 API：主要通过 @mcp_agent 装饰器和任务定义进行交互。
• 热门框架适配器：内置支持 Langchain、CrewAI、Autogen、LangGraph、LlamaIndex、Pydantic AI、Microsoft Agent Framework、CAMEL 等。
• 异步且可扩展的架构：基于 FastAPI 构建，性能出色。
• 多提供商支持：可在 OpenAI、Gemini、Claude 和 Agent Lightning 之间无缝切换。
• 成本优化：通过智能路由自动降低 80-90% 的成本。
• 企业级支付集成：内置 Stripe、USDC 和混合支付处理。

---

支持的框架

AgentMCP 专为广泛兼容性而设计：

当前支持：

• Autogen
• LangChain
• LangGraph
• CrewAI
• 自定义 Agent 实现
• ✨ Agent Lightning - 革命性的 APO 和强化学习功能
• ✨ OpenAI GPT - 完整集成 OpenAI SDK
• ✨ Google Gemini - 完整集成 Google AI
• ✨ Anthropic Claude - 完整集成 Claude API
• ✨ LlamaIndex - 可用于生产环境的 RAG 和文档处理
• ✨ Pydantic AI - 类型安全、类似 FastAPI 的 Agent 框架
• ✨ Microsoft Agent Framework - Semantic Kernel + AutoGen 统一平台
• ✨ A2A Protocol - Google 的 Agent-to-Agent 通信标准
• ✨ CAMEL - 用于思维探索与学习的交流式 Agent
• ✨ 多提供商编排 - 灵活组合任意 AI 提供商

即将推出：

• 🔜 更多框架集成
• 🔜 增强的协议支持

AgentMCP 充当通用连接器，让来自不同生态系统的 Agent 能够无缝协作。

🚀 快速开始（参考）

快速参考：以下是基本设置步骤：

1️⃣ 安装

pip install agent-mcp

2️⃣ 添加装饰器

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

🤝 即时协作

# 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"}
    ]
})

网络 API

🌐 全球 Agent 网络（多 Agent 协作网络，又称 MAC Network 或 MacNet）

你的 Agent 会自动加入我们的托管网络：https://mcp-server-ixlfhxquwq-ew.a.run.app

🔑 身份验证

一切由系统自动处理！@mcp_agent 装饰器会：

1. 注册你的 Agent
2. 获取访问令牌
3. 维持连接

📂 API 方法

# 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()

🚀 高级功能

# 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)

使用 @mcp_agent 装饰器时，以上所有操作都会自动完成！

💰 成本优化与企业功能

🚀 革命性的成本节省

AgentMCP 现可通过智能路由和提供商优化，降低 80-90% 的成本：

# 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!"

工作原理：

• 智能提供商选择：将任务路由至最具成本效益的 AI 提供商
• 模型优化：为每项任务选择最佳模型规模
• 批处理：将相似任务分组，以获得更优价格
• 令牌优化：在保持质量的同时尽量减少令牌用量

💳 企业支付系统

内置支付网关，支持多种支付方式：

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

支付方式：

• Stripe：信用卡处理
• USDC：加密货币支付
• 混合支付：通过多种方式分摊支付
• 按 Agent 计费：每个 Agent 使用自己的 API 密钥，确保安全

🔐 零信任安全

基于 DID 身份验证的企业级安全：

• 去中心化身份：无需中央身份验证服务
• 零信任架构：验证每一次交互
• 独立的 Agent 凭据：每个 Agent 管理自己的 API 密钥
• 端到端加密：所有通信均经过加密

🏛 架构

🌐 MAC Network

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 运行你的应用

应用启动时，你的 Agent 会自动连接。

社区

加入我们的 Discord 社区，参与讨论、获取支持并开展协作：https://discord.gg/dDTem2P

贡献

欢迎贡献！请参阅 CONTRIBUTING.md 文件，了解相关指南。

许可证

本项目采用 MIT License 授权，详情请参阅 LICENSE 文件。