mcpField
A
agenttrio

agenttrio

本地服务
github.com/CloudCorpRecordsAI 与智能体01 周前更新

关于 agenttrio

agenttrio 在本地 Ollama 后端运行有界的规划、编码和审查工作流。它面向需要查看工作区状态、执行配置检查,并仅在主机强制验证关卡通过后标记任务已验证的操作者。

主要功能

  1. 01运行规划、编码和只读审查角色
  2. 02限制轮次、循环、工具调用和上下文预算
  3. 03验证要求检查通过及审查者批准
  4. 04报告工作区状态和配置的检查项
  5. 05单独或批量运行配置的检查

适用场景

  1. 01检查工作区和 Ollama 状态
  2. 02执行带验证的有界编码任务
  3. 03运行配置的项目检查
  4. 04确认任务是否通过验证关卡

MCP 相关

其 stdio MCP 服务提供三个工具:`flow_status`、`flow_run` 和 `flow_check`,用于报告工作区状态、运行带关卡验证的任务以及执行配置检查。

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": {
"cloudcorprecords-agenttrio": {
"command": "npx",
"args": [
"-y",
"@reneturcios/agenttrio"
]
}
}
}
启动命令npx -y @reneturcios/agenttrio

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
npm@reneturcios/agenttrio0.1.0
ocighcr.io/cloudcorprecords/agenttrio:0.1.0

工具

3

收录的工具列表 · 更新于 1 周前

此工具无需参数。

详细介绍

agenttrio

agenttrio 在本地 Ollama 后端上运行有界 Agent 工作流,包含三个角色:规划者、编码者和独立的只读审查者。它会报告工作区状态,通过由主机强制执行的验证门让这三个角色处理一项任务,并运行工作区配置的检查。一个二进制文件同时提供命令行界面和包含且仅包含三个工具的 stdio MCP 服务。

工作范围由操作者配置限定:每个角色的模型轮次、编码者 → 验证 → 审查者循环次数、工具调用总数和上下文大小都有明确预算。只有通过下方的验证门,运行结果才会标记为 verified——绝不会仅凭模型的说法判定。

配置

agenttrio 会读取经操作者审核的 TOML 文件。显式传入 --config <file> 即表示批准加载该文件;绝不会自动加载工作区中的 config.toml 或 .flow.toml。唯一会自动加载的位置是 $XDG_CONFIG_HOME/flow/config.toml。

workspace_dir = "/absolute/path/to/workspace"

[ollama]
base_url = "http://127.0.0.1:11434"
model = "qwen2.5-coder:7b"
timeout = 120

[models]
planner = "qwen2.5-coder:7b"
coder = "qwen2.5-coder:7b"
reviewer = "qwen2.5-coder:7b"

[agent]
max_iterations = 6
max_cycles = 2
max_tool_calls = 64
max_context_chars = 100000

[checks.test]
cmd = ["npm", "test"]
timeout = 60000
required = true
kind = "test"
filetypes = ["ts"]

重要说明:

  • 检查项的 timeout 值以毫秒为单位;Ollama 的 timeout 以秒为单位。
  • --workspace 会覆盖配置中的工作区,--model 会覆盖所有角色的模型。
  • 除非配置中设置了 ollama.allow_remote = true,否则会拒绝非回环 Ollama 端点。
  • 默认模式为只读。run 和 check 需要 --trusted,此选项允许修改项目,并运行显式配置的命名检查项。
  • 如果没有可解析的配置,所有命令都会失败,并给出指出缺少配置的错误——不会凭空编造任何内容。
  • Ollama 本身是外部服务:预期运行正常前,请先运行 ollama serve 并拉取支持工具调用的模型(例如 ollama pull qwen2.5-coder:7b)。

安装

npx @reneturcios/agenttrio status --config /path/to/operator.toml

或者运行容器镜像:

docker run -i ghcr.io/cloudcorprecords/agenttrio

容器默认启动 MCP 服务端(见下文)。若要将其用作命令行界面,请传入 CLI 参数;如果以这种方式使用,请将配置和工作区挂载到容器中。

CLI

agenttrio status --config operator.toml
agenttrio run "Fix the failing parser test" --config operator.toml --trusted
agenttrio check --config operator.toml --trusted
agenttrio check test --config operator.toml --trusted

agenttrio --version

报告以 JSON 格式输出。退出码遵循文档规定:成功时为 0,运行时失败(包括无法验证的运行配置)时为 1,用法错误时为 2。 参数会在读取任何配置前完成验证,因此格式错误的调用始终属于用法错误。

验证门

只有满足以下所有条件,run 才会报告 verified: true:

  • 规划者和编码者在各自预算内完成工作;
  • 至少运行一项必需的命名检查,并且每项必需检查都通过;
  • 独立的只读审查者返回结构化批准(包含 "approved": true 的 JSON 对象)。

如果验证门未通过,循环会重复执行(编码者 → 检查 → 审查者),最多达到 max_cycles 次;最终报告会显示 verified: false,并通过 note 指出未满足的条件。

MCP 服务

一个二进制文件同时提供两种接口。mcp 子命令会启动 stdio MCP 服务(以换行符分隔的 JSON-RPC):

npx -y @reneturcios/agenttrio mcp --config /path/to/operator.toml --trusted

MCP 客户端配置:

{
  "mcpServers": {
    "agenttrio": {
      "command": "npx",
      "args": ["-y", "@reneturcios/agenttrio", "mcp", "--config", "/path/to/operator.toml", "--trusted"]
    }
  }
}

回复会将报告作为 JSON 文本块和 structuredContent 返回;失败则会作为 isError 结果返回。该服务刻意采用顺序执行。

工具

工具列表有意仅包含以下三个工具。

工具输入返回内容
flow_status{}状态报告:工作区、Ollama 可连接性和可用模型、各角色模型、Agent 预算以及配置的检查项。
flow_run{"task": "..."}运行报告:规划者/编码者输出、检查结果、审查者决定、已使用的循环次数,以及 verified 验证门结果。
flow_check{} 或 {"name": "configured-name"}检查报告:已运行检查项的所有结果,以及它们是否全部通过。省略 name 即运行所有已配置的检查项。

开发

npm install
npm run build   # tsc -> dist/
npm test        # node test runner over test/*.test.ts, no network (fake executor/fetch/runner only)
npm run dev     # run the CLI from source via tsx

许可证

MIT — 详见 LICENSE。

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。