关键词

AI代理上下文管理任务协作版本控制子代理

项目简介

'mcp-http-agent-md' 是一个面向AI代理的最小化Model Context Protocol (MCP) HTTP服务器。它专注于为AI代理提供高效的上下文管理系统，支持长期项目的工作流。核心功能包括：通过 'AGENTS.md' 存储项目级知识和配置，通过 'progress.md' 跟踪结构化任务并支持版本历史（日志/回溯），提供临时“草稿板”以管理短期任务和子代理（Subagents）上下文，并支持多种外部AI模型作为子代理执行聚焦任务。服务器还内置了身份验证和项目共享功能，便于团队协作。

主要功能点

  • 分层上下文管理:
    • 项目知识: 使用 'AGENTS.md' 文件作为AI代理的指导和积累知识库，以及 'progress.md' 跟踪长期任务和进展。
    • 临时任务: 提供“草稿板”功能，用于创建临时的、聚焦的小任务，拥有独立但可共享的内存空间，避免主代理的上下文过载。
  • 版本控制和历史: 自动对项目关键修改（如 'AGENTS.md' 和结构化任务）进行版本备份，支持查看历史日志和回溯到任意版本。
  • 结构化任务管理: 支持添加、更新、设置任务状态（待办、进行中、已完成、已归档），并支持任务的层级嵌套。
  • 子代理 (Subagents) 协作: 可以在草稿板内启动独立的子代理，用于解决特定、高上下文需求的子任务。子代理支持多种AI模型（Gemini, OpenAI, Groq等）以及其他MCP服务器作为工具。
  • 用户认证与项目共享: 提供API密钥进行用户认证，支持将项目共享给其他用户，设置读写权限，实现多用户协作。
  • Web UI界面: 内置轻量级管理控制台，提供看板视图等功能，方便用户管理项目和任务。

安装步骤

该服务器支持在类Unix系统（包括macOS和Linux）上通过脚本自动安装，或使用Docker进行安装。

  • 不使用Docker安装 (推荐): 在终端运行以下命令，将服务器安装到 '$HOME/.config/mcp-http-agent-md' 目录，并以默认用户启动。 
    curl -fsSL https://raw.githubusercontent.com/benhaotang/mcp-http-agent-md/main/install/install.sh | bash
  • 使用Docker安装: 在终端运行以下命令，数据将持久化在 '$HOME/.config/mcp-http-agent-md/data' 目录。 
    curl -fsSL https://raw.githubusercontent.com/benhaotang/mcp-http-agent-md/main/install/install-docker.sh | bash
  • 手动安装:
    1. 克隆仓库: 'git clone https://github.com/benhaotang/mcp-http-agent-md.git'
    2. 进入项目目录: 'cd mcp-http-agent-md'
    3. 安装依赖: 'pnpm install' (推荐使用 pnpm, 也可使用 npm)
    4. 运行 (开发模式): 'pnpm dev'
    5. 运行 (生产模式): 'pnpm start'

服务器配置 (供MCP客户端连接)

'mcp-http-agent-md' 作为一个HTTP服务器运行。因此，MCP客户端应通过其URL地址进行连接。以下是MCP客户端配置此服务器的示例信息：

{
  "mcpServers": {
    "my-agent-server": {
      "url": "http://localhost:3000/mcp?apiKey=YOUR_USER_API_KEY",
      "short_descriptions": "AI代理上下文项目管理服务，提供任务和知识管理工具"
    }
    // 如果服务器部署在远程，例如 https://your-deployment.com
    // "my-agent-server-remote": {
    //   "url": "https://your-deployment.com/mcp?apiKey=YOUR_USER_API_KEY",
    //   "short_descriptions": "远程AI代理上下文和任务管理服务"
    // }
  }
}
  • 'my-agent-server': 这是你在MCP客户端中为该服务器定义的名称。
  • 'url': MCP服务器的访问地址。
    • 'http://localhost:3000/mcp': 这是服务器默认的本地地址和MCP端点路径。如果你部署在其他主机或端口，请相应修改。
    • '?apiKey=YOUR_USER_API_KEY': 你需要替换 'YOUR_USER_API_KEY' 为通过 '/auth' 端点为用户创建的实际API密钥。
  • 'short_descriptions': 对该MCP服务器功能的简短描述，帮助LLM客户端理解其用途。

基本使用方法

  1. 获取API密钥: 首次运行服务器后，你需要使用Admin API为你的用户创建一个API密钥。默认的Admin API端点是 'http://localhost:3000/auth'，需要使用环境变量 'MAIN_API_KEY' 作为Bearer令牌进行授权。 例如，在终端中执行以下命令（请将 'YOUR_MAIN_API_KEY' 替换为你的实际主API密钥）： 
    curl -X POST http://localhost:3000/auth/users \
  -H "Authorization: Bearer YOUR_MAIN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"name":"my-agent-user"}'
# 成功后，将返回类似 {"id":"...", "apiKey":"YOUR_USER_API_KEY", "name":"my-agent-user"} 的JSON。
    请妥善保管返回的 'apiKey' (即 'YOUR_USER_API_KEY')。
  2. 通过MCP客户端连接: 在你的MCP客户端中配置上述 'mcpServers' JSON信息，并使用你在步骤1中获取的 'YOUR_USER_API_KEY' 连接到服务器。
  3. 使用工具: 连接成功后，你的MCP客户端即可调用服务器提供的工具来管理项目、读写 'AGENTS.md'、管理任务、初始化草稿板和启动子代理等。例如，列出可用工具的MCP JSON-RPC请求如下： 
    curl -X POST 'http://localhost:3000/mcp?apiKey=YOUR_USER_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{"jsonrpc":"2.0","id":"1","method":"tools/list"}'
    服务器将返回一个JSON-RPC响应，其中包含所有可用的工具及其描述和输入Schema。
  4. 访问Web UI: 在浏览器中访问 'http://localhost:3000/ui' (默认地址) 即可看到一个轻量级的项目管理界面，方便进行项目、任务和草稿板的可视化管理。

信息

分类

AI与计算

访问项目