mcpField
A
a2a-bridge

a2a-bridge

本地服务
github.com/mdfifty50-boopAI 与智能体127 周前更新

关于 a2a-bridge

a2a-bridge 是用于协调 MCP Agent 间通信的 MCP 服务,支持能力发现、任务委派与结果跟踪或广播,适用于多 Agent 工作流。

主要功能

  1. 01按能力和 Schema 注册 Agent
  2. 02按能力相似度查找 Agent
  3. 03委派并跟踪 Agent 任务
  4. 04向匹配的 Agent 广播任务
  5. 05跟踪状态并提交结果
  6. 06查看 Agent 卡片与网络

适用场景

  1. 01将代码审查分配给合适的 Agent
  2. 02由编排 Agent 委派工作
  3. 03向所有匹配的 Agent 发送任务

MCP 相关

它向 MCP 客户端提供 Agent 注册、发现、委派、广播及结果查询工具,并提供 Agent 列表资源。

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": {
"mdfifty50-boop-a2a-bridge": {
"command": "npx",
"args": [
"-y",
"a2a-bridge-mcp"
]
}
}
}
启动命令npx -y a2a-bridge-mcp

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
npma2a-bridge-mcp0.1.1

工具

8

收录的工具列表 · 更新于 3 周前

此工具无需参数。

详细介绍

a2a-bridge-mcp

用于 Agent 间通信的 MCP 服务——在各个 MCP Agent 之间发现能力、委派任务并汇总结果。

MCP 将 Agent 连接到工具,但无法让它们彼此连接。此服务在 MCP 协议中添加了标准化的 Agent 间通信层,可用于注册 Agent、发现能力、委派任务,以及向多个 Agent 广播任务。灵感来自 Google 的 A2A 协议。

安装

npx a2a-bridge-mcp
Claude Desktop

添加到 claude_desktop_config.json:

{
  "mcpServers": {
    "a2a-bridge": {
      "command": "npx",
      "args": ["a2a-bridge-mcp"]
    }
  }
}
从源代码安装
git clone https://github.com/mdfifty50-boop/a2a-bridge-mcp.git
cd a2a-bridge-mcp
npm install
node src/index.js

工具

register_agent

注册具有相应能力的 Agent,以便其他 Agent 发现。

参数类型默认值描述
agent_idstring必填唯一的 Agent 标识符
capabilitiesstring[]必填能力字符串(例如 ["code-review", "summarization"])
descriptionstring""供人阅读的描述
input_schemaobject{}接受的输入的 JSON 架构
output_schemaobject{}生成的输出的 JSON 架构
endpointstring""可选的端点或传输提示
discover_agents

通过模糊文本相似度评分,查找符合能力需求的 Agent。

参数类型默认值描述
capability_neededstring必填要搜索的能力
min_scorenumber0.3最低相似度分数(0-1)

返回按相关性排序的匹配结果及其分数。

delegate_task

将任务委派给指定的已注册 Agent。创建具有状态生命周期的跟踪任务。

参数类型默认值描述
from_agentstring必填委派任务的 Agent ID
to_agentstring必填目标 Agent ID
task_descriptionstring必填目标 Agent 应执行的操作
input_dataobject{}任务的输入数据
timeout_msnumber30000超时时间(毫秒)

返回用于跟踪的 task_id。

get_task_result

获取已委派任务的状态和结果。执行任务的 Agent 也可使用此工具提交结果。

参数类型描述
task_idstring来自 delegate_task 或 broadcast_task 的任务 ID
submit_resultobject(可选)提交完成结果
submit_errorstring(可选)提交失败错误

状态生命周期:pending -> running -> completed / failed。

broadcast_task

向所有符合指定能力的 Agent 发送任务。为每个匹配结果创建单独的跟踪任务。

参数类型默认值描述
from_agentstring必填发起广播的 Agent ID
capability_neededstring必填要匹配的能力
task_descriptionstring必填匹配的 Agent 应执行的操作
input_dataobject{}输入数据
min_scorenumber0.3最低匹配分数
timeout_msnumber30000每个 Agent 的超时时间

返回任务 ID 列表,可通过 get_task_result 汇总结果。

get_agent_card

获取 Agent 的完整能力卡片,包含架构、统计数据和任务历史。

参数类型描述
agent_idstringAgent 标识符

返回能力、输入/输出架构、成功率和任务数量。灵感来自 Google A2A Agent 卡片。

list_agents

列出所有已注册的 Agent,可按能力筛选。

参数类型默认值描述
filterstring""用于筛选的能力关键词(空值 = 全部)

资源

URI描述
a2a://agents所有已注册的 Agent 及其能力和统计数据

使用模式

1. register_agent    -- each agent registers at startup
2. discover_agents   -- find who can handle a task
3. delegate_task     -- send work to a specific agent
   OR broadcast_task -- send work to all matching agents
4. get_task_result   -- poll for completion or submit results
5. get_agent_card    -- inspect an agent's full profile
6. list_agents       -- overview of the agent network
多 Agent 工作流示例
Agent A (orchestrator):
  1. register_agent(agent_id="orchestrator", capabilities=["planning", "coordination"])
  2. discover_agents(capability_needed="code review")
     -> finds Agent B (score: 0.95)
  3. delegate_task(from="orchestrator", to="agent-b", task="Review PR #42")
     -> task_id: "task_1234"
  4. get_task_result(task_id="task_1234")
     -> status: "completed", result: { approved: true, comments: [...] }

Agent B (worker):
  1. register_agent(agent_id="agent-b", capabilities=["code-review", "linting"])
  2. (receives task via external notification or polling)
  3. get_task_result(task_id="task_1234", submit_result={ approved: true })

许可证

MIT

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。