Agentic MCP Client

Agentic MCP 客户端

一款独立的 Agent 运行器，可通过 Anthropic Claude、AWS BedRock 和 OpenAI API 使用 MCP（Model Context Protocol）工具执行任务。它支持 AI Agent 在云环境中自主运行，并安全地与各种系统交互。

当前功能

• 内置基础 Agent 仪表板
• 通过 JSON 配置文件中定义的任务运行独立 Agent
• 支持 Anthropic Claude 和 OpenAI 模型
• 记录会话日志，以跟踪 Agent 进度

运行仪表板 Web 版

cd dashboard
npm i
npm run dev

仪表板 URL：http://localhost:3000
API 文档：http://localhost:3000/api-docs

https://github.com/user-attachments/assets/c98be6d2-0096-40f2-bd78-d3fb256fec83

安装

1. 克隆仓库

2. 安装依赖：

uv sync

3. 创建 agent_worker_task.json 文件

以下是一个配置文件示例：

{
    "task": "Find all image files in the current directory and tell me their sizes",
    "model": "claude-3-7-sonnet-20250219",
    "system_prompt": "You are a helpful assistant that completes tasks using available tools.",
    "verbose": true,
    "max_iterations": 10
}

4. 运行 Agent：

uv run agentic_mcp_client/agent_worker/run.py

配置

项目要求在根目录中包含一个 config.json 文件，用于定义推理服务设置和可用的 MCP 工具。以下是配置示例：

{
   "inference_server": {
      "base_url": "https://api.anthropic.com/v1/",
      "api_key": "YOUR_API_KEY_HERE",
      "use_bedrock": true,
      "aws_region": "us-east-1",
      "aws_access_key_id": "YOUR_AWS_ACCESS_KEY",
      "aws_secret_access_key": "YOUR_AWS_SECRET_KEY"
   },
   "mcp_servers": {
    "mcp-remote-macos-use": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "-e",
        "MACOS_USERNAME=your_username",
        "-e",
        "MACOS_PASSWORD=your_password",
        "-e",
        "MACOS_HOST=your_host_ip",
        "--rm",
        "buryhuang/mcp-remote-macos-use:latest"
      ]
    },
    "mcp-my-apple-remembers": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "-e",
        "MACOS_USERNAME=your_username",
        "-e",
        "MACOS_PASSWORD=your_password",
        "-e",
        "MACOS_HOST=your_host_ip",
        "--rm",
        "buryhuang/mcp-my-apple-remembers:latest"
      ]
    }
  }
}

配置分区

推理服务

inference_server 分区用于配置与语言模型提供商的连接：

• base_url：所选 LLM 提供商的 API 端点
• api_key：用于验证 LLM 服务的密钥
• use_bedrock：设为 true，即可使用 Amazon Bedrock 进行模型推理
• AWS 凭证（使用 Bedrock 时）

MCP 服务

mcp_servers 分区用于定义可用的 MCP 工具。每个工具都包含：

• 唯一标识符（例如，“mcp-remote-macos-use”）
• command：要执行的命令（通常是用于容器化工具的 Docker）
• args：工具的配置参数

此示例展示了通过 Docker 容器远程控制 macOS 系统的 MCP 工具。

MCP 的工作原理

Model Context Protocol 为应用程序提供了一种标准化方式，用于：

• 与大模型共享上下文信息
• 向 AI 系统开放工具和能力
• 构建可组合的集成和工作流

该协议使用 JSON-RPC 2.0 消息，在主机（LLM 应用程序）、客户端（应用程序内的连接器）和服务（提供上下文和能力的服务）之间建立通信。

我们的 Agent 工作进程实现了以下工作流：

1. 为所有可用工具初始化 MCP 客户端
2. 向所选模型发送初始任务消息
3. 处理模型响应（工具调用或文本）
4. 如果发起了工具调用，则执行该工具并将结果发送回模型
5. 重复上述过程，直至任务完成或达到最大迭代次数
6. 关闭所有 MCP 客户端

sequenceDiagram
    participant User
    participant AgentWorker
    participant LLM as Language Model
    participant MCP as MCP Tools

    User->>AgentWorker: Task + Configuration
    AgentWorker->>MCP: Initialize Tools
    AgentWorker->>LLM: Send Task
    loop Until completion
        LLM->>AgentWorker: Request Tool Use
        AgentWorker->>MCP: Execute Tool
        MCP->>AgentWorker: Tool Result
        AgentWorker->>LLM: Send Tool Result
        LLM->>AgentWorker: Response
    end
    AgentWorker->>User: Final Result

贡献指南

欢迎为 Agentic MCP Client 贡献！请按照以下步骤进行：

1. Fork 仓库。
2. 为你的功能或错误修复创建新分支。
3. 修改代码并提交更改。
4. 将更改推送到你的 Fork。
5. 向主仓库创建拉取请求。

致谢

本项目的灵感来自 MCP 生态系统中的优秀开源项目，并在其工作基础上构建：

• MCP-Bridge - 一款中间件，可提供用于调用 MCP 工具的 OpenAI 兼容端点，为我们的工具集成和标准化方案提供了参考。

我们感谢这些项目的贡献者在 MCP 领域开创性的工作，这些工作让自主 Agent 的开发更加易于实现，也更加强大。

许可证

Agentic MCP Client 根据 Apache 2.0 许可证授权。详情请参阅 LICENSE 文件。