MCP Agent

🚀 MCP代理

MCP-Proxy是一個用於簡化構建AI代理的框架，藉助MCP（模型上下文協議）服務器的能力。MCP是一種底層協議，而該框架負責處理與服務器的連接、與大語言模型（LLMs）的交互、處理外部信號（如人類輸入），並支持持久狀態，讓你能夠專注於業務邏輯。

🚀 快速開始

📦 安裝

要使用MCP-Proxy，首先需要安裝必要的依賴：

pip install mcp-proxy[mpl,asyncio]

💻 使用示例

基礎用法

以下是一個簡單的示例，展示瞭如何創建一個基本的AI代理：

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

# 創建一個配置對象
config = {
    "llm": {
        "provider": "anthropic",  # 支持：anthropic, openai, huggingface, etc.
        "model": "claude-2"
    },
    "logging": {
        "enabled": True,
        "level": "INFO",
        "output_file": "agent.log"
    }
}

# 創建一個LLM選項對象
llm_options = LLMOptions()

# 定義代理類
class MyAgent(Agent):
    async def main(self):
        # 這裡可以編寫任何異步邏輯
        await self.call_tool("fetch_url", arguments={"url": "https://example.com"})

# 創建並運行代理
async def run():
    agent = MyAgent(config=config, llm_options=llm_options)
    await agent.start()

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

✨ 主要特性

• 互操作性：確保任何由MCP服務器提供的工具都能無縫集成到你的代理中。
• 可組合性和定製性：實現定義良好的工作流，並且在一種可組合的方式下擴展，允許在模型提供商、日誌記錄、編排器等方面進行完全定製。
• 編程控制流：保持簡單，因為開發者只需編寫代碼，而不是考慮圖形節點和邊。對於分支邏輯，你可以使用if語句；對於循環，使用while循環。
• 人類輸入與信號：支持工作流的暫停以獲取外部信號，如人類輸入，這些信號可以作為代理可以調用的工具。

📚 詳細文檔

更多詳細信息請參考MCP-Proxy文檔。

🔧 技術細節

路線圖

我們計劃根據你的反饋制定一個詳細的路線圖。當前的主要優先事項包括：

• 持久執行——允許工作流暫停/恢復並序列化狀態，以便可以重放或無限期暫停。我們正在集成Temporal來實現這一點。
• 記憶——添加對長期記憶的支持
• 流式處理——支持流式監聽器以進行迭代進度更新
• MCP擴展功能——除了工具調用之外，還支持以下內容：
  • 資源
  • 提示
  • 通知

常見問題

使用MCP-Proxy的核心優勢是什麼？

MCP-Proxy提供了一種簡化的構建AI代理的方法，利用MCP服務器提供的能力。MCP是一個低層次協議，而這個框架處理了連接到服務器、與大語言模型（LLMs）交互、處理外部信號（如人類輸入）以及支持持久狀態的功能，使你可以專注於業務邏輯的核心。 核心優勢：

• 互操作性：確保任何由MCP服務器提供的工具都能無縫集成。
• 可組合性和定製性：實現定義良好的工作流，並且在一種可組合的方式下擴展，允許在模型提供商、日誌記錄、編排器等方面進行完全定製。
• 編程控制流：保持簡單，因為開發者只需編寫代碼，而不是考慮圖形節點和邊。對於分支邏輯，你可以使用if語句；對於循環，使用while循環。
• 人類輸入與信號：支持工作流的暫停以獲取外部信號，如人類輸入，這些信號可以作為代理可以調用的工具。

需要MCP服務器才能使用MCP-Proxy嗎？

是的，MCP-Proxy需要一個MCP服務器來提供工具和服務。你可以使用現有的MCP服務器或創建你自己的。

如何擴展MCP-Proxy的功能？

可以通過創建自定義工具和命令來擴展MCP-Proxy的功能。這些可以在Agent類中定義，並通過call_tool方法調用。

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：支持各種基於Transformers的模型。 更多提供商可以通過擴展框架輕鬆添加。

貢獻

我們歡迎任何形式的貢獻。請查看 CONTRIBUTING 指南以瞭解如何開始。

特別鳴謝

已經有社區成員為這個項目做出了巨大貢獻：

• Shaun Smith (@evalstate)——在無數複雜的改進上帶領團隊，無論是mcp-proxy還是更廣泛地在MCP生態系統中。
• Jerron Lim (@StreetLamb)——貢獻了無數小時和優秀的示例，併為項目提出了很好的想法。
• Jason Summer (@jasonsum)——識別了許多問題，並將其Gmail MCP服務器改編為與mcp-proxy一起使用。