关于 AgentStack (agentstack.tech)
AgentStack 是面向 Agent 的后端,通过排队的 Work Graph 协调任务,避免 Agent 浏览庞大的工具目录。其 MCP 接口将访问集中到一个工具,并以待办动作和发布前验证流程引导每轮工作。
主要功能
- 01单一批处理 MCP 工具:agentstack.execute
- 02Work Graph 提供下一步动作
- 03认领并执行队列中的任务
- 04通过沙箱、审核和晋级处理变更
- 05通过项目定义的检查后发布
适用场景
- 01协调 Agent 处理排队任务
- 02减少 Agent 工作循环中的目录浏览
- 03通过审核和晋级流程修改实时数据
MCP 相关
服务端通过单一批处理工具 `agentstack.execute` 提供能力。Work Graph 给出下一步动作,Agent 可在 MCP 工作循环中认领并执行任务。
配置
远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。
https://agentstack.tech/mcpclaude mcp add --transport http agentstacktech-agentstack https://agentstack.tech/mcp{"mcpServers":{"agentstacktech-agentstack":{"type":"http","url":"https://agentstack.tech/mcp"}}}在 Cursor 中打开{"servers":{"agentstacktech-agentstack":{"type":"http","url":"https://agentstack.tech/mcp"}}}在 VS Code 中打开{"mcpServers":{"agentstacktech-agentstack":{"type":"http","url":"https://agentstack.tech/mcp"}}}{"mcpServers":{"agentstacktech-agentstack":{"serverUrl":"https://agentstack.tech/mcp"}}}命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。
工具
1| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| steps | array | 是 | 步骤;每次同步执行仅使用一个重型 LLM。 |
| context | object | 否 | session.v1;必须提供 project_id。 |
| context.project_id | integer | 否 | 租户项目 ID。 |
| options | object | 否 | batch.v1 控制项。 |
| options.goal | string | 否 | playbook 的目标文本。 |
| options.async | boolean | 否 | 排队;轮询 discovery.job_status。 |
| options.envelope | enum | 否 | compact(默认)| full — ADR MCP_EXECUTE_ENVELOPE_COMPACT_V2compact | full |
| options.recipe_id | string | 否 | MCP recipe ID。 |
| options.stopOnError | boolean | 否 | 首次失败时停止。 |
| options.continueOnError | boolean | 否 | 失败后继续。 |
| options.idempotency_key | string | 否 | 重试回执密钥。 |
详细介绍
AgentStack
绑定一次后,Agent 不再从目录中挑选工具。Work Graph 会交给它下一步操作。实时编辑始终遵循安全闭环:写入副本,通过检查,然后发布。
一个 MCP 工具:agentstack.execute。服务端负责保存计划。每轮执行一个操作。空闲也是有效回答。受阻时会说明如何解除阻塞。
介绍: agentstack.tech/work-graph · 契约: docs/plugins/WORK_GRAPH.md · 安全闭环: agentstack.tech/mcp-docs#safe-cycle
工作循环
session → context.project_id → agents.work_next → packet.next_action → claim / execute → work_next
配方 mcp_work_loop_v1。提示词 agentstack_closed_loop_autonomy。
flowchart LR
S[Session] --> B[Bind project]
B --> W[work_next]
W --> N[next_action]
N --> X[Claim and execute]
X --> W
当这一步会更改实时数据时,同一项目会运行安全闭环:
connect → sandbox → review → promote
Agent 写入一个生成版本。检查通过前,客户仍使用上一份副本。由项目自身的规则发布:立即发布或分阶段发布。
| 对象 | 没有工作循环 | 使用 Work Graph |
|---|---|---|
| 有待处理事务的创始人 | 每次开始新对话都要重新阅读工具菜单 | 结果只需记录一次。下一次对话会处理队列中的首项 |
| 任务多到时间不够的人 | Agent 会自行编造工具,并把时间花在选择工具上 | 列表会标明就绪、受阻或空闲 |
| 需要完成工作的企业 | 在目录中反复折腾、猜测和重试 | 在与网站和支付相同的项目中领取、执行并验证 |
| 为 Agent 接线的人 | 把目录粘贴到提示词中 | agents.work_next,然后是 packet.next_action |
2026-10-07 的测量结果
本地注册表构建结果。不是生产流量样本,也不是服务提供商的分词器。字节数 ÷ 4 是英文文本长度的粗略估算。
| 负载 | UTF-8 字节数 | 粗略 Token 数 |
|---|---|---|
示例 next_action 加两个备选项 | 250 | ~63 |
discovery.search,前 20 条精简记录 | 8,889 | ~2,222 |
| 握手契约 JSON,仅一次 | 11,297 | ~2,824 |
| 精简搜索,50 条记录(HTTP 上限) | 20,852 | ~5,213 |
| 完整注册表目录 JSON(该构建中有 795 个操作) | 1,680,071 | ~420,018 |
完整目录的大小是示例数据包的 6,720 倍。包含 20 条记录的搜索页是其 35.6 倍。应引用的公开目录数量是 714 个操作 — 实时数据来自 GET /mcp/actions/summary。不要把字节比例和运营目标合并成一项节省数据。
| 指标 | 目标 |
|---|---|
遵循 packet.next_action 的自主循环 | ≥ 90% |
| 数据包已存在时仍在目录中挑选工具 | ≤ 5% |
这些是稳定生产环境的目标,不是实时计数器。方法和场景见:docs/plugins/WORK_GRAPH.md。
文档
此仓库包含公开文档(面向用户和集成者的英文文档):Web 产品、MCP、插件、REST、RAG、沙盒和示例。
如果你使用网站: docs/USER_FEATURES_GUIDE.md。
如果你要构建产品: docs/BUILD_YOUR_PRODUCT.md — @agentstack/sdk,以及可选的 genetic-ai-starter。
如果你要在大型代码库上运行 Agent: docs/genetic-system/。
如果你要进行集成: docs/MCP_AND_ECOSYSTEM.md — 从循环开始,再查看目录(714 个操作 · docs/MCP_SCALE.md)。
REST / OpenAPI: docs/OPENAPI.md — Swagger · openapi.json。
npm SDK: @agentstack/sdk · docs/sdk/
完整索引: docs/README.md · 最新动态: docs/WHATS_NEW.md
开源工具包
| 仓库 | 分支 | 备注 |
|---|---|---|
| genetic-ai-starter | main | 以 Map 为先的安装方式:npx @agentstack/genetic-ai-starter init。如果你使用 monorepo,SoT 位于此仓库的 genetic-ai-starter/ 目录下。 |
插件
| 插件 | 备注 |
|---|---|
| cursor-plugin | v0.4.18, gen3 — 规则、技能、命令、Agent、钩子;Plugin MCP Connect 和 OAuth 2.1 device code |
| claude-plugin | Claude Desktop / API 安装程序 |
| gpt-plugin | ChatGPT / OpenAI 生态系统 |
| vscode-plugin | VS Code Marketplace 分发 |
产品
- 网站: agentstack.tech
- 工作图谱: agentstack.tech/work-graph
- GitHub 组织: github.com/agentstacktech
评论
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。