JinDaGe - mcp-agent MCP Details

article

README

🚀 MCP代理

MCP-Proxy 是一个用于简化构建AI代理的框架，借助MCP（模型上下文协议）服务器的能力。MCP属于低层次协议，而该框架负责处理与服务器的连接、与大语言模型（LLMs）的交互、处理外部信号（如人类输入），以及支持持久状态等功能，让你能够专注于业务逻辑。

✨ 主要特性

互操作性：确保MCP服务器提供的任何工具都能无缝集成到你的代理中。
可组合性和定制性：可实现定义良好的工作流，并以可组合的方式进行扩展，允许在模型提供商、日志记录、编排器等方面进行完全定制。
编程控制流：保持简单，开发者只需编写代码，无需考虑图形节点和边。对于分支逻辑，可使用if语句；对于循环，使用while循环。
人类输入与信号：支持暂停工作流以获取外部信号，如人类输入，这些信号可作为代理调用的工具。

🚀 快速开始

📦 安装指南

要使用MCP-Proxy，首先需要安装必要的依赖：

pip install mcp-proxy[mpl,asyncio]

💻 使用示例

基础用法

以下是一个简单的示例，展示了如何创建一个基本的AI代理：

from mcp_proxy.agent import Agent
from mcp_proxy.llm import LLMOptions
import asyncio

# 创建一个配置对象
config = {
    "llm": {
        "provider": "anthropic",  # 支持：anthropic, openai, huggingface, etc.
        "model": "claude-2"
    },
    "logging": {
        "enabled": True,
        "level": "INFO",
        "output_file": "agent.log"
    }
}

# 创建一个LLM选项对象
llm_options = LLMOptions()

# 定义代理类
class MyAgent(Agent):
    async def main(self):
        # 这里可以编写任何异步逻辑
        await self.call_tool("fetch_url", arguments={"url": "https://example.com"})

# 创建并运行代理
async def run():
    agent = MyAgent(config=config, llm_options=llm_options)
    await agent.start()

if __name__ == "__main__":
    asyncio.run(run())

📚 详细文档

更多详细信息请参考MCP-Proxy文档。

🔧 技术细节

贡献

我们欢迎任何形式的贡献。请查看CONTRIBUTING指南以了解如何开始。

特别鸣谢

已经有社区成员为这个项目做出了巨大贡献：

Shaun Smith (@evalstate) —— 在无数复杂的改进上带领团队，无论是mcp-proxy还是更广泛地在MCP生态系统中。
Jerron Lim (@StreetLamb) —— 贡献了无数小时和优秀的示例，并为项目提出了很好的想法。
Jason Summer (@jasonsum) —— 识别了许多问题，并将其Gmail MCP服务器改编为与mcp-proxy一起使用。

路线图

我们计划根据你的反馈制定一个详细的路线图。当前的主要优先事项包括：

持久执行 —— 允许工作流暂停/恢复并序列化状态，以便可以重放或无限期暂停。我们正在集成Temporal来实现这一点。
记忆 —— 添加对长期记忆的支持
流式处理 —— 支持流式监听器以进行迭代进度更新
MCP扩展功能 —— 除了工具调用之外，还支持以下内容：
- 资源
- 提示
- 通知

常见问题

使用MCP-Proxy的核心优势是什么？

MCP-Proxy提供了一种简化的构建AI代理的方法，利用MCP服务器提供的能力。

MCP是一个低层次协议，而这个框架处理了连接到服务器、与大语言模型（LLMs）交互、处理外部信号（如人类输入）以及支持持久状态的功能，使你可以专注于业务逻辑的核心。

核心优势：

互操作性：确保任何由MCP服务器提供的工具都能无缝集成。
可组合性和定制性：实现定义良好的工作流，并且在一种可组合的方式下扩展，允许在模型提供商、日志记录、编排器等方面进行完全定制。
编程控制流：保持简单，因为开发者只需编写代码，而不是考虑图形节点和边。对于分支逻辑，你可以使用if语句；对于循环，使用while循环。
人类输入与信号：支持工作流的暂停以获取外部信号，如人类输入，这些信号可以作为代理可以调用的工具。

需要MCP服务器才能使用MCP-Proxy吗？

是的，MCP-Proxy需要一个MCP服务器来提供工具和服务。你可以使用现有的MCP服务器或创建你自己的。

如何扩展MCP-Proxy的功能？

可以通过创建自定义工具和命令来扩展MCP-Proxy的功能。这些可以在Agent类中定义，并通过call_tool方法调用。

MCP-Proxy支持哪些LLM提供商？

目前支持的主要提供商包括：

Anthropic：支持模型如Claude 2、Claude 3等。
OpenAI：支持模型如GPT-4、GPT-3.5等。
Hugging Face：支持各种基于Transformers的模型。

更多提供商可以通过扩展框架轻松添加。

mcp-agent