关键词

多智能体协作MCP协议工具调用工作流编排上下文管理

项目简介

Omni Agent Mesh 是一个基于 Model Context Protocol (MCP) 的多智能体协作平台，集成了多种AI代理能力，包括天气查询、新闻获取、文档搜索等功能，为LLM应用提供统一的上下文服务框架。

主要功能

  • 多智能体协作：支持多个专业智能体（天气、新闻、文档等）协同工作
  • 工具调用：允许LLM客户端调用外部功能，如天气查询、文档搜索等
  • 资源管理：托管和管理各类数据资源，提供统一的数据访问接口
  • A2A协议支持：实现Agent-to-Agent通信标准
  • AG-UI集成：提供Web界面和API端点
  • 工作流编排：支持复杂的多步骤任务规划和执行
  • 可观测性：内置完整的日志记录和性能监控功能

安装步骤

  1. 环境准备
    • Python 3.11+
  • Git和virtualenv环境

  1. 创建虚拟环境

    python -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install -r requirements.txt

  2. 配置环境变量

    • 复制'.env.example'为'.env'
    • 配置Azure OpenAI和Azure AI Search相关参数

服务器配置

该MCP服务器支持多种部署模式，客户端需要根据部署方式配置连接参数：

本地开发模式配置：

  • 启动命令：'python samples/agents_as_tools/server/main.py'
  • 默认端口：8001
  • 传输协议：SSE (Server-Sent Events)

MCP客户端配置示例：

{
  "server_name": "omni_agent_mesh_mcp",
  "command": "python",
  "args": ["samples/agents_as_tools/server/__main__.py",
  "env": {
    "LOCAL_MCP_AGENT_SERVER_URL": "http://localhost:8001/sse"
}

基本使用方法

  1. 启动MCP服务器 
    python samples/agents_as_tools/server/__main__.py

服务器启动后，MCP客户端可以通过SSE协议连接到 'http://localhost:8001/sse' 端点，使用以下工具：
   - 'list_agents' - 列出可用的本地智能体
   - 'query_default_agent' - 向默认智能体发送查询

2. **可用的智能体功能**：
   - 天气查询：获取指定城市的天气信息
   - 新闻获取：从Hacker News获取最新资讯
   - 文档搜索：在Microsoft Learn文档中搜索相关信息

3. **工作流执行**
   - 通过AG-UI界面或API调用多智能体工作流
   - 支持条件路由、并行执行等复杂场景

信息

分类

AI与计算

访问项目