MCP Servers Multi-Agent AI Infrastructure

MCP 服务多 Agent AI 基础设施

一套全面的基础设施，通过专用的 Model Context Protocol（MCP）服务支持多 Agent AI 集群。本 monorepo 包含编排、连接和赋能智能 Agent 所需的完整组件栈，使其具备各种专用能力。

🌟 概述

本项目支持构建多 Agent AI 生态系统，让专用 Agent 能够协作、共享上下文，并通过 Model Context Protocol（MCP）运用不同能力。借助标准化的通信层，Agent 可以通过统一协议无缝访问向量数据库、专用工具和各种数据源。

该基础设施支持：

• 通过向量嵌入实现语义搜索和检索
• 多 Agent 协作与通信
• 模块化的微服务架构
• 直观检查和调试 Agent 交互
• 可扩展的 AI 能力工具框架

🧩 核心组件

Inspector

用于监控、测试和调试 MCP 服务的交互式仪表板。采用 React/Vite 前端和 Express 后端构建。

• 位置：/inspector
• 功能：
  • 实时连接任意 MCP 服务
  • 交互式探索可用工具
  • 测试提示词和工具调用
  • 监控 Agent 交互
  • 调试服务响应和行为

集成 MCP 的 Qdrant-DB

采用 Qdrant 实现的向量数据库，并完整集成 MCP 服务，为 AI Agent 提供语义搜索能力。

• 位置：/qdrant-db
• 功能：
  • 通过向量嵌入进行语义相似性搜索
  • 带元数据的文档存储
  • 用于高级操作的 Python 客户端
  • 集成 FastEmbed，实现高效嵌入
  • 与 MCP 生态系统无缝连接

MCP Docker 网络

用于在统一网络中编排和连接 MCP 服务的基础设施。

• 位置：/mcp-docker-network
• 功能：
  • 用于安全服务通信的隔离网络
  • 容器编排管理工具
  • 集群内的服务发现
  • 简化复杂 Agent 系统的部署

🚀 入门

先决条件

• Docker 和 Docker Compose
• Node.js（用于本地开发）
• Python 3.9+（用于运行客户端和脚本）

快速开始

1. 克隆仓库：

   git clone https://github.com/FrankGenGo/mcp-servers.git
   cd mcp-servers
   

2. 设置共享 Docker 网络：

   cd mcp-docker-network
   ./scripts/manage-network.sh create
   

3. 启动 Qdrant 向量数据库和 MCP 服务：

   cd ../qdrant-db/qdrant_stack
   docker-compose up -d
   

4. 启动 Inspector 仪表板：

   cd ../../inspector
   docker build -t mcp-inspector .
   docker run -d --name mcp-inspector --network mcp-docker-network -p 5173:5173 -p 3000:3000 mcp-inspector
   

5. 访问 Inspector 仪表板：http://localhost:5173

🏗️ 架构

本项目围绕 Model Context Protocol 构建了分布式微服务架构：

┌───────────────┐     ┌───────────────┐     ┌───────────────┐
│   AI Agent    │     │  AI Agent     │     │  AI Agent     │
│  Capabilities │     │  Reasoning    │     │  Planning     │
└───────┬───────┘     └───────┬───────┘     └───────┬───────┘
        │                     │                     │
        │                     ▼                     │
        │             ┌───────────────┐             │
        └────────────►  MCP Network   ◄─────────────┘
                     │ Communication  │
                     └───────┬───────┘
                             │
              ┌──────────────┴──────────────┐
              │                             │
    ┌─────────▼──────────┐        ┌─────────▼──────────┐
    │   Qdrant MCP       │        │  Inspector         │
    │   Vector Search    │        │  Monitoring        │
    └────────────────────┘        └────────────────────┘

组件通过共享的 Docker 网络通信，具体如下：

• Inspector 仪表板（端口 5173）→ Express 代理（端口 3000）→ MCP 服务
• Qdrant MCP 服务（端口 8000）→ Qdrant 数据库（端口 6333）
• 所有服务均通过 mcp-docker-network 连接

🧠 使用场景

• 多 Agent 系统：构建结合不同 AI 能力的协作式 Agent 系统
• 知识管理：创建带有直观 AI 界面的语义搜索系统
• 工具集成：通过专用工具和数据源扩展 AI 能力
• 开发与调试：在开发期间检查和测试 MCP 服务

🛠️ 开发

每个组件都可以独立开发：

• Inspector：采用 React/TypeScript 前端和 Express 后端
• Qdrant MCP 服务：Python FastMCP 实现
• 网络管理：Bash 脚本和 Docker Compose 配置

有关具体的开发说明，请参阅各子目录中的 README。

📚 更多资源

• Model Context Protocol 规范
• MCP Python SDK
• MCP TypeScript SDK
• Qdrant 文档

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。