mcp-agent 專案

MCP工具

mcp-agent 專案

mcp-agent 是一個簡潔且可組合的 Python 框架，旨在幫助開發者使用模型內容協定 (Model Context Protocol, MCP) 和一系列高效的工作流模式 (workflow patterns) 來建構強大的人工智慧代理 (AI Agents)。

該專案的靈感來源於兩大基石：

1. 模型內容協定 (MCP)：一個標準化的介面，讓任何軟體服務都能透過 MCP 伺服器被 AI 助理存取。
2. Anthropic 的《建構高效代理人》白皮書：這份開創性的文章提出了一系列簡單、可組合的模式，用於建構生產級別的 AI 代理。

mcp-agent 將這兩大理念融合到一個實用的框架中，讓開發者能專注於應用的核心邏輯，而非底層的複雜性。

核心概念與功能

1. 自動化的 MCP 管理：
   框架處理了連接、管理和關閉 MCP 伺服器生命週期的所有繁瑣事務。開發者只需在設定檔中聲明需要哪些伺服器 (如檔案系統、網頁抓取等)，mcp-agent 就會自動處理後續的一切。

2. 可組合的工作流模式 (Composable Workflows)：
   mcp-agent 實作了 Anthropic 和 OpenAI 提出的多種經典代理模式，並將每種模式都設計成可互相組合的元件。這意味著你可以像堆疊樂高積木一樣，將簡單的模式組合成複雜的應用。主要模式包括：

   • Orchestrator-Workers (協調者-工作者)：由一個高階 LLM 制定計畫，並將子任務分配給不同的專職代理執行。
   • Evaluator-Optimizer (評估者-優化者)：一個代理負責生成內容，另一個代理負責批判和評估，透過反覆迭代來提升最終產出的品質。
   • Parallel (並行)：將任務分派給多個代理同時執行，最後匯總結果。
   • Router (路由器)：根據使用者輸入，將請求路由到最合適的代理或工具。
   • OpenAI Swarm：以模型無關的方式實現了 OpenAI 的群體智慧模式。

3. 以代理為中心的抽象 (Agent-centric Abstraction)：
   框架的核心是 Agent 物件。一個 Agent 被定義為一個具有特定目標 (instruction) 並被授權存取一組 MCP 工具的實體。開發者可以輕易地創建多個具有不同專長的代理。

4. 支援人在迴路 (Human-in-the-Loop)：
   工作流可以在執行中途暫停，並透過一個特殊的工具 __human_input__ 向使用者請求輸入或批准，讓人為介入成為可能。

主要特點

• 輕量級與程式化：它更像一個「代理模式函式庫」而非一個重型框架。開發者可以用最熟悉的 if/else 和 while 迴圈來編寫邏輯，而不是學習複雜的圖形化介面。
• 模型無關：雖然提供了 OpenAI 和 Anthropic 模型的範例，但其核心工作流模式被設計為可以與任何 LLM 搭配使用。
• 高度可組合性：由於每個工作流本身也是一個 AugmentedLLM 物件，你可以輕易地將它們嵌套使用，例如，在「協調者」模式中使用「評估者-優化者」模式來產生更高品質的執行計畫。

總結來說，mcp-agent 是一個為開發者設計的強大工具，它將業界領先的代理設計模式與標準化的 MCP 協議相結合，提供了一個既簡單又靈活的平台，用以建構可控、可靠且功能強大的 AI 代理應用。

• MCP平台來源: github
• 連結: https://github.com/lastmile-ai/mcp-agent

立即試用MCP工具