关键词

AI Agent构建代码生成Pydantic AIIDE集成智能助手

Archon MCP 服务器使用说明

项目简介

Archon 是一个 AI Agent 构建器，旨在帮助开发者通过自然语言指令创建和优化 AI Agent。它不仅提供了一个用户友好的 Streamlit 界面，还实现了 Model Context Protocol (MCP) 服务器，使得 AI IDEs (如 Windsurf, Cursor, Cline, Roo Code) 能够无缝集成 Archon 的 Agent 构建能力。通过 Archon，用户可以在 IDE 中直接与 AI Agent 构建服务交互，极大地提升了开发效率和体验。

主要功能点

  • AI Agent 自动构建: 根据用户描述，自动生成 Pydantic AI 框架的 AI Agent 代码。
  • Model Context Protocol (MCP) 服务器: 实现了标准的 MCP 协议，允许 AI IDEs 通过 JSON-RPC 与 Archon 服务器通信。
  • 资源管理: 通过 Supabase 数据库托管和管理文档资源，为 Agent 提供上下文信息。
  • 工具注册与执行: 支持注册和执行工具，允许 LLM 调用外部功能（仓库中默认工具为文档检索）。
  • Prompt 模板: 内置 Prompt 模板，支持定制化的 LLM 交互模式（当前版本主要体现在系统 Prompt 中）。
  • 会话管理: 服务器端负责管理用户对话会话。
  • 多种传输协议支持: 通过标准输入输出 (Stdio) 传输协议与 MCP 客户端通信。
  • Streamlit UI: 提供全面的 Streamlit 用户界面，用于环境配置、数据库管理、文档爬取、Agent 服务管理和 MCP 配置。
  • Docker 支持: 提供 Docker 部署选项，简化安装和部署流程。

安装步骤

  1. 克隆仓库

    git clone https://github.com/coleam00/archon.git
cd Archon

  2. 选择安装方式

    • Docker 安装 (推荐)

      • 确保已安装 Docker。
      • 运行 Docker 启动脚本： 'python run_docker.py'
      • 访问 Streamlit UI 界面： 'http://localhost:8501'

    • 本地 Python 安装

      • 确保已安装 Python 3.11+。
      • 创建并激活虚拟环境： 
        python -m venv venv
source venv/bin/activate  # Linux/macOS
# venv\Scripts\activate  # Windows
      • 安装依赖： 'pip install -r requirements.txt'
      • 运行 Streamlit UI 界面： 'streamlit run streamlit_ui.py'
      • 访问 Streamlit UI 界面： 'http://localhost:8501'

  3. 配置环境

    • 访问 Streamlit UI 界面 'http://localhost:8501'。
    • 导航至 "Environment" 选项卡，配置必要的环境变量 (如 OpenAI API Key, Supabase URL 等)。
    • 导航至 "Database" 选项卡，按照指引设置 Supabase 数据库。
    • 导航至 "Documentation" 选项卡，爬取 Pydantic AI 文档。
    • 导航至 "Agent Service" 选项卡，启动 Agent 服务。

服务器配置 (MCP 客户端配置)

MCP 客户端需要配置连接 Archon MCP 服务器的命令和参数。以下是基于 Docker 部署的配置示例 (JSON 格式)：

{
  "mcpServers": {
    "archon": {
      "command": "docker",  // MCP 服务器启动命令，这里使用 Docker 运行
      "args": [             // 命令参数
        "run",
        "-i",               // 保持标准输入流打开
        "--rm",             // 容器退出后自动删除
        "-e",               // 设置环境变量
        "GRAPH_SERVICE_URL",// 环境变量名
        "archon-mcp:latest" // Docker 镜像名，指定运行 Archon MCP 服务器容器
      ],
      "env": {              // 环境变量配置
        "GRAPH_SERVICE_URL": "http://host.docker.internal:8100" //  Graph Service 服务地址，Docker 环境下需使用 host.docker.internal 访问宿主机服务
      }
    }
  }
}
  • server name: 'archon' (MCP 客户端中自定义的服务名称)
  • command: 'docker' (执行 Docker 命令)
  • args: '["run", "-i", "--rm", "-e", "GRAPH_SERVICE_URL", "archon-mcp:latest"]' (Docker 运行参数，用于启动 'archon-mcp:latest' 镜像的容器，并设置环境变量 'GRAPH_SERVICE_URL')
  • env: '{"GRAPH_SERVICE_URL": "http://host.docker.internal:8100"}' (环境变量配置，'GRAPH_SERVICE_URL' 指向 Archon Graph Service 的地址，Docker 环境下使用 'host.docker.internal' 访问宿主机)

基本使用方法

  1. 确保 Archon 服务 (Streamlit UI 和 Agent Service) 已经成功启动。
  2. 在你的 AI IDE (如 Windsurf, Cursor, Cline, Roo Code) 中，配置 MCP Server，server type 选择 'command (equivalent to stdio)' 或 'stdio'，并填入上述 JSON 配置信息。
  3. 在 IDE 中，使用 MCP 客户端连接到名为 'archon' 的 MCP Server。
  4. 使用 'create_thread' 工具创建一个新的对话线程。
  5. 使用 'run_agent' 工具，输入你想要构建的 AI Agent 的描述，与 Archon 进行交互，获取生成的 Agent 代码。

注意: Docker 配置中的 'GRAPH_SERVICE_URL' 需要根据你的实际部署环境进行调整。如果是本地 Python 安装，且 Graph Service 和 MCP Server 在同一机器运行，则无需 Docker 配置，可以使用 Python 配置，具体请参考 Streamlit UI 中 "MCP" 选项卡的 Python 配置说明。

信息

分类

AI与计算

访问项目