使用说明

项目简介

Archon Agenteer 是一个 AI meta-agent，旨在自主构建、改进和优化其他 AI agents。Archon Agenteer MCP Server 是 Archon 项目中负责实现 Model Context Protocol (MCP) 服务器功能的部分，它允许 AI IDE（如 Windsurf、Cursor 等 MCP 客户端）与 Archon Agenteer 进行集成，从而在 IDE 中直接使用 Archon 的 agent 构建能力。

主要功能点

资源管理: 通过 Supabase 数据库存储和管理文档资源，为 agent 提供知识库支持。
工具注册与执行: 通过 'fastmcp' 库实现 MCP 协议，注册 'create_thread' 和 'run_agent' 工具，允许 MCP 客户端调用 Archon 的 agent 构建和执行功能。
会话管理: 支持多会话管理，通过 'thread_id' 区分不同的对话线程，并维护每个线程的对话历史。
集成 Streamlit UI: 提供 Streamlit 用户界面 'streamlit_ui.py'，方便用户配置环境、管理数据库、爬取文档以及配置 MCP 服务。
Docker 部署: 提供 Dockerfile 和 'run_docker.py' 脚本，支持容器化部署 MCP 服务器和 Archon 应用。
日志记录: 具备完善的日志记录功能，将 MCP 服务器和 Archon 应用的日志写入 'workbench/logs.txt' 文件，方便问题排查和监控。

安装步骤

克隆仓库:

git clone https://github.com/CCwithAi/ArchonV5-CRAWL4AI-LANGCHAIN.git
cd ArchonV5-CRAWL4AI-LANGCHAIN

安装依赖 (推荐使用 Docker，或选择本地 Python 安装):

Option 1: Docker (推荐)

确保已安装 Docker。

运行 Docker 启动脚本:

python run_docker.py

Option 2: 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  # 或 venv\Scripts\activate (Windows)

安装 Python 依赖:

pip install -r requirements.txt

配置 Supabase 数据库: 按照 Streamlit UI (Database 选项卡) 的引导完成 Supabase 数据库的设置。
配置环境变量: 通过 Streamlit UI (Environment 选项卡) 配置 OpenAI API Key、Supabase URL 和 Service Key 等必要的环境变量。
启动 Agent Service: 通过 Streamlit UI (Agent Service 选项卡) 启动 Agent Service。

服务器配置

MCP 客户端需要配置 MCP 服务器的启动命令及其参数，以下是针对不同部署方式的配置示例 (JSON 格式):

Docker 部署配置 (Windsurf, Cline/Roo Code):

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

参数注释:

'command': MCP 服务器启动命令，这里使用 'docker' 命令。
'args': 'docker run' 命令的参数列表。
- 'run': 运行一个新的容器。
- '-i': 保持标准输入 (STDIN) 打开，即使没有连接。
- '--rm': 容器退出时自动删除容器。
- '-e GRAPH_SERVICE_URL': 设置环境变量 'GRAPH_SERVICE_URL'，指定 Graph Service 的地址，'http://host.docker.internal:8100' 用于 Docker 容器内部访问宿主机的 Graph Service。
- 'archon-mcp:latest': 使用的 Docker 镜像名称和标签。
'env': 环境变量配置。
- 'GRAPH_SERVICE_URL': 传递给 MCP 服务器的环境变量，指向 Archon Graph Service 的地址。

Python 本地安装配置 (Windsurf, Cline/Roo Code):

{
  "mcpServers": {
    "archon": {
      "command": "/path/to/your/venv/bin/python",  //  请替换为你的虚拟环境 Python 解释器路径
      "args": [
        "/path/to/ArchonV5-CRAWL4AI-LANGCHAIN/mcp/mcp_server.py" // 请替换为 mcp_server.py 脚本的绝对路径
      ]
    }
  }
}

参数注释:

'command': MCP 服务器启动命令，这里使用 Python 解释器。
'args': Python 解释器的参数列表。
- '/path/to/ArchonV5-CRAWL4AI-LANGCHAIN/mcp/mcp_server.py': MCP 服务器脚本 'mcp_server.py' 的绝对路径。请务必替换为实际路径。

Cursor IDE 配置 (Docker 部署命令示例):

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

Cursor IDE 配置 (Python 本地安装命令示例):

/path/to/your/venv/bin/python /path/to/ArchonV5-CRAWL4AI-LANGCHAIN/mcp/mcp_server.py

Claude Code IDE (无需配置):

Claude Code IDE 需要通过 'claude mcp add' 命令手动添加 MCP Server，具体命令请参考 'streamlit_pages/mcp.py' 文件中 "MCP Configuration for Claude Code" 部分的说明。

基本使用方法

在 AI IDE (如 Windsurf, Cursor, Cline/Roo Code) 中配置并连接 Archon Agenteer MCP Server。
在 IDE 中，你可以使用 MCP 协议与 Archon Agenteer 交互，例如：
- 调用 'create_thread' 工具创建新的对话线程。
- 调用 'run_agent' 工具，并输入自然语言指令，让 Archon Agenteer 构建 AI agent。
- 根据 Archon Agenteer 返回的代码，在 IDE 中实现 agent 功能。
- 通过迭代对话和反馈，不断优化和完善 agent。

重要提示:

首次使用 'run_agent' 工具前，务必先调用 'create_thread' 工具获取 'thread_id'。
根据你的部署环境 (Docker 或本地 Python)，选择相应的服务器配置信息。
详细使用方法和示例，请参考 Archon Agenteer 项目文档和示例代码。

关键词