项目简介 LettaPlus MCP工作流服务旨在为LLM（大型语言模型）应用提供强大的后端支持，以实现复杂的多步骤任务。它允许用户定义基于AWS Step Functions样式（ASL）的状态机来编排任务，并利用配备可动态加载技能的Letta智能体作为执行单元。核心理念是“编排优先”，工作者智能体通过一个RedisJSON控制平面进行自我协调，无需中心化编排器循环。这个服务通过标准MCP协议向LLM客户端暴露一系列功能强大的工具，包括工作流管理、状态控制、技能加载卸载以及数据交互。

主要功能点

工作流定义与验证: 支持使用ASL（AWS Step Functions Language）定义复杂的工作流状态机，并提供验证工具确保工作流定义的正确性。
动态技能管理: 允许智能体动态加载和卸载“技能”（即封装的能力），每个技能都定义了其所需的工具、数据源和权限。
分布式工作流执行: 通过RedisJSON实现分布式控制平面，工作者智能体能够自主协调，检查任务就绪性、获取租约、执行任务、写入结果并通知下游智能体。
上下文数据管理: 提供一系列RedisJSON操作工具，方便智能体存取、修改和管理工作流的元数据、状态数据和任务输出数据。
智能体生命周期管理: 能够创建和删除用于执行工作流任务的瞬时Letta智能体。
可插拔工具: 通过MCP协议暴露大量原子工具，这些工具覆盖了工作流的规划、执行、状态更新、通知、技能管理等各个方面，方便LLM进行调用。

安装步骤

准备环境: 确保您的系统已安装Python 3.8+，并可访问Redis服务器（需启用RedisJSON模块）。

克隆仓库:

git clone https://github.com/lujunbofan2019/LettaPlus.git
cd LettaPlus

安装依赖:
```
pip install -r requirements.txt
```
（假设'requirements.txt'文件存在且包含所有必需的Python包，例如'redis', 'letta_client', 'mcp', 'jsonschema', 'uvicorn', 'starlette'等。）
配置环境变量:
- 'REDIS_URL': Redis服务器的连接URL，例如 'redis://localhost:6379/0'
- 'LETTA_BASE_URL': Letta智能体平台的API基础URL，例如 'http://localhost:8283'
- 'SKILL_REGISTRY_PATH': 技能注册表的路径，例如 'skills_src/registry.json'（如果使用CSV-first原型工具生成技能）

运行MCP服务器:

uvicorn dcf_mcp.server:app --host 0.0.0.0 --port 8000

这将启动LettaPlus MCP工作流服务，监听在'0.0.0.0'地址的'8000'端口。

服务器配置 (供MCP客户端连接) MCP客户端需要知道如何连接到此MCP服务器并发现其功能。以下是连接MCP服务器的配置示例（假设服务器运行在'localhost:8000'）：

{
  "server_name": "LettaPlus_Workflow_Server",
  "command": ["python", "-m", "uvicorn", "dcf_mcp.server:app", "--host", "0.0.0.0", "--port", "8000"],
  "args": [],
  "env": {
    "REDIS_URL": "redis://localhost:6379/0",
    "LETTA_BASE_URL": "http://localhost:8283",
    "SKILL_REGISTRY_PATH": "skills_src/registry.json"
  },
  "description": "连接到LettaPlus MCP工作流服务，用于管理和执行基于Letta智能体的复杂任务编排。",
  "tools_definition": {
    "type": "mcp_streamable_http",
    "endpoint": "http://localhost:8000/mcp",
    "path": "/mcp"
  }
}

server_name: MCP服务器的唯一标识名称。
command: 启动MCP服务器进程的命令及参数列表。请确保此命令能在客户端运行环境中正确执行。
args: 额外的命令行参数（如果需要）。
env: 启动服务器时需要设置的环境变量，例如Redis和Letta平台的连接信息。
description: 对此MCP服务器功能的简要描述。
tools_definition: 客户端用于发现和调用此MCP服务器上注册的工具的配置。'type'为'mcp_streamable_http'表示通过Streamable HTTP协议通信，'endpoint'为服务器的HTTP地址，'path'为MCP协议的具体端点路径。

基本使用方法 MCP客户端（例如一个LLM智能体）可以通过JSON-RPC调用此服务器上暴露的工具来执行任务。

例如，LLM客户端可以调用以下工具来创建、管理和执行一个工作流：

验证工作流定义: 调用'validate_workflow'工具，传入工作流的JSON定义，以检查其合法性。
创建控制平面: 调用'create_workflow_control_plane'工具，基于工作流定义在Redis中初始化工作流的元数据和所有状态的初始信息。
创建工作者智能体: 调用'create_worker_agents'工具，根据工作流中的任务状态和智能体模板，在Letta平台创建对应的智能体。
启动工作流: 调用'notify_next_worker_agent'工具，通知起始状态的智能体开始执行任务。
智能体任务循环: 工作者智能体接收到通知后，会调用此MCP服务器上的'acquire_state_lease'获取任务租约，'load_skill'加载所需技能，执行实际任务，然后调用'update_workflow_control_plane'更新任务状态和输出，最后调用'release_state_lease'释放租约，并可能通过'notify_next_worker_agent'通知下一个智能体。
读取工作流状态: 随时可以通过'read_workflow_control_plane'工具查看工作流的当前状态、各任务的进度和输出。
完成工作流: 当所有任务完成后，调用'finalize_workflow'工具来清理资源（如删除工作者智能体）并记录工作流的最终状态。

关键词

信息