mcpField
M
Multi-Agent Thinking MCP Server

Multi-Agent Thinking MCP Server

本地服务
github.com/Hajime-YAI 与智能体279 周前更新

关于 Multi-Agent Thinking MCP Server

Multi-Agent Thinking MCP Server 是基于 smolagents 和 FastMCP 的 MCP 服务,可让复杂任务由多个专业 Agent 并行分析。它适合需要多视角推理和汇总结论的工作。

主要功能

  1. 01自动生成多种问题解决视角
  2. 02并行运行专业 Agent
  3. 03支持多种任务分工策略
  4. 04汇总各 Agent 的报告

适用场景

  1. 01从多个角度分析复杂问题
  2. 02并行探索不同解决方案
  3. 03整合专业 Agent 的分析结果

MCP 相关

它通过 FastMCP 提供 MCP 服务,并向客户端暴露 multiagent.multiagent_thinking 工具。

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。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Multi-Agent Thinking MCP 服务

本项目是一个 MCP(Multi-Component Protocol)服务,用于针对复杂任务并行考虑并执行多种视角和方法。它会在内部生成多个 Agent(专家 Agent),并根据各自的专业领域分配和执行任务,以实现更深入、多角度的分析并生成解决方案。

本项目基于 HuggingFace 的 smolagents 库和 FastMCP 构建。

主要功能

  • 多 Agent 思考:
    • 根据单个任务描述,自动生成多个不同的视角和方法。
    • 并行运行擅长各自方法的专家 Agent。
    • 支持多种问题解决策略,例如视角分工型、任务分工型、阶段分工型、并行求解型、分支探索型、分解重构型等。
    • 整合各位专家的报告,并给出最终结论或解决方案。
  • MCP 服务:
    • 使用 fastmcp 作为 MCP 服务运行。
    • 可以通过 Cursor IDE 等 MCP 客户端,以 multiagent.multiagent_thinking 工具的形式调用。

要求

  • Python 3.11 或更高版本
  • uv 包管理器
  • 以下 API 密钥:
    • OpenAI API 密钥(OPENAI_API_KEY)
    • HuggingFace 令牌(HF_TOKEN)

安装

  1. 克隆代码仓库:

    git clone https://github.com/Hajime-Y/multiagents-thinking.git
    cd multiagents-thinking
    
  2. 创建虚拟环境并安装依赖项:

    uv venv
    source .venv/bin/activate # Linux/macOS の場合
    # .venv\Scripts\activate # Windows の場合
    uv sync
    

    (依赖项由 pyproject.toml 管理)

环境变量

在项目根目录中创建 .env 文件,并设置以下环境变量:

OPENAI_API_KEY=your_openai_api_key
HF_TOKEN=your_huggingface_token

使用方法

启动 MCP 服务:

uv run python -m src.multiagents

这将启动一个名为 multiagent 的 Agent(MCP 服务)。通过 MCP 客户端(例如 Cursor IDE)调用 multiagent.multiagent_thinking 工具,即可运行多 Agent 思考流程。

示例(在 Cursor IDE 中调用):

@multiagent.multiagent_thinking 新しいオンライン教育プラットフォームの設計方針について、学習科学、データ駆動、社会的学習の3つの観点から分析し、具体的なアイデアを提案してください。
在 Claude Desktop 中使用

要在 Claude Desktop 中使用此 MCP 服务,请在设置文件(通常为 ~/.config/Claude/claude_desktop_config.json 等)中添加如下设置。

{
  "mcpServers": {
    "multiagent": {
      "command": "/PATH/TO/YOUR/uv", // あなたの環境の uv への絶対パス
      "args": [
        "--directory",
        "/YOUR/ABSOLUTE/PATH/TO/multiagents-thinking", // このプロジェクトディレクトリへの絶対パス
        "run",
        "python",
        "-m",
        "src.multiagents"
      ]
    }
  }
}
  • 请将 /PATH/TO/YOUR/uv 替换为 uv 可执行文件的绝对路径(可通过 which uv 命令等方式确认)。
  • 请将 /YOUR/ABSOLUTE/PATH/TO/multiagents-thinking 替换为本项目(multiagents-thinking 目录)的绝对路径。

主要组件

  • src/multiagents.py:MCP 服务的入口点。定义 multiagent_thinking 工具。
  • src/create_agent.py:生成母 Agent 和专家 Agent 的提示词,并包含创建 Agent 的逻辑(包括 run_specialist_agents 工具)。

许可证

本项目根据 Apache License 2.0 提供。

致谢

本项目受到 HuggingFace 的 smolagents 库的启发。

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。