项目简介

Archon是一个AI代理构建器，旨在自主构建、优化AI代理，并作为一个Model Context Protocol (MCP) 服务器，为AI IDE提供后端服务，实现集成。通过Streamlit UI界面进行管理和配置，简化了AI代理的开发流程。

主要功能点

资源管理 (Resources): 使用 Supabase 数据库存储和管理 Pydantic AI 文档，支持基于文档的 RAG (Retrieval-Augmented Generation) 检索，为 Agent 提供上下文信息。
工具注册和执行 (Tools): 通过 'mcp_server.py' 注册 'create_thread' 和 'run_agent' 工具，允许 MCP 客户端 (如 AI IDE) 调用以创建对话线程和运行 Archon Agent，实现代码生成等功能。
Prompt 模板渲染 (Prompts): 利用 LangGraph 工作流和 Pydantic AI Agent 定义和管理 Prompt，支持可定制的 LLM 交互模式，以实现复杂的 Agent 行为。
MCP 服务器功能: 实现了基于 JSON-RPC over Stdio 的 MCP 服务器 ('mcp_server.py')，可以与 AI IDE 等 MCP 客户端进行通信，提供 Agent 构建和上下文服务。
Streamlit UI 管理界面: 提供用户友好的 Web 界面 ('streamlit_ui.py')，用于环境配置 (API Keys, 模型设置)、数据库设置、文档爬取、Agent 服务管理和 MCP 服务器配置等。

安装步骤

克隆仓库:

git clone https://github.com/hkim13/archon.git
cd archon

选择安装方式: 可以选择 Docker 安装 (推荐) 或本地 Python 安装，详细步骤请参考仓库 'README.md' 中的 "Getting Started with V4" 部分。
配置环境: 在Streamlit UI界面中，导航到 "Environment" 选项卡，配置必要的 API Keys (如 OpenAI API Key, Supabase API 密钥等) 和模型设置。
数据库设置: 在Streamlit UI界面中，导航到 "Database" 选项卡，按照引导设置 Supabase 数据库表结构。
文档爬取: 在Streamlit UI界面中，导航到 "Documentation" 选项卡，爬取 Pydantic AI 文档，为 Agent 提供知识库。
启动 Agent 服务: 在Streamlit UI界面中，导航到 "Agent Service" 选项卡，启动 MCP Agent 服务，即 Archon 的后端服务。

服务器配置

Archon MCP 服务器的配置主要用于连接 MCP 客户端，例如 Windsurf、Cursor 或 Cline/Roo Code 等 AI IDE。以下是配置信息示例 (JSON 格式)，请根据您使用的 IDE 类型选择合适的配置，并将其填入 MCP 客户端的服务器配置中。

Windsurf / Cline / Roo Code (Python配置):

{
  "mcpServers": {
    "archon": {
      "command": "python",
      "args": ["mcp/mcp_server.py"]
    }
  }
}

'command': 指定 MCP 服务器的启动命令，这里使用 'python' 解释器来运行脚本。
'args': 启动命令的参数，用于指定 'mcp_server.py' 脚本的路径。

Windsurf / Cline / Roo Code (Docker配置):

{
  "mcpServers": {
    "archon": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GRAPH_SERVICE_URL",
        "archon-mcp:latest"
      ],
      "env": {
        "GRAPH_SERVICE_URL": "http://host.docker.internal:8100"
      }
    }
  }
}

'command': 指定 MCP 服务器的启动命令，这里使用 'docker' 客户端。
'args': 启动命令的参数，包含了 'docker run' 命令及其参数，用于运行 'archon-mcp:latest' Docker 镜像。
'env': 定义了环境变量配置，其中 'GRAPH_SERVICE_URL' 指定了 Graph Service 的访问地址，需要与 'run_docker.py' 脚本中定义的端口映射保持一致。

Cursor (命令配置):

python mcp/mcp_server.py

或

docker run -i --rm -e GRAPH_SERVICE_URL=http://host.docker.internal:8100 archon-mcp:latest

对于 Cursor IDE，您需要将上述命令或 Docker 运行命令直接粘贴到 "Command" 字段中，并将服务器类型设置为 "command" (相当于 stdio)。

基本使用方法

确保 Archon MCP 服务器已启动。您可以通过 Streamlit UI 的 "Agent Service" 选项卡启动，或者直接在命令行运行 'mcp/mcp_server.py' 脚本。
在您的 AI IDE (如 Windsurf, Cursor, Cline/Roo Code) 中，打开 MCP 服务器配置界面。
根据您选择的配置方式 (Python 或 Docker)，复制并粘贴上述相应的配置信息到 MCP 客户端的配置中。
在 AI IDE 中，您可以使用 Archon 提供的 'create_thread' 和 'run_agent' 工具，与 Archon 服务进行交互，开始构建和定制您的 AI Agent。例如，您可以先调用 'create_thread' 创建一个新的对话线程，然后使用 'run_agent' 工具，输入您对 Agent 功能的需求描述，Archon 将会生成相应的代码。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息