关键词

AI代理操作系统内容分析工作流编排LLM工具智能评分

项目简介

Plexus是一个强大的AI代理操作系统，旨在帮助团队构建、部署和优化复杂的AI解决方案。它通过将AI提示和分类任务转化为结构化的工程流程，使得管理大规模AI工作流变得简单。Plexus的核心在于其对Model Context Protocol (MCP) 的原生支持，允许AI代理以标准化的方式与系统交互，进行内容分析、配置管理、测试执行以及结果分析。它集成了实时监控仪表板、智能评分卡系统、反馈循环和评估框架，支持"一切即代码"的开发理念，确保AI系统的高效、可控和持续进化。

主要功能点

  • AI代理集成 (MCP): 原生支持AI代理（如Claude/Cursor）通过MCP协议与系统进行交互，执行任务、管理配置和运行分析。
  • 实时仪表板: 提供现代化的Next.js应用，用于实时监控AI活动、管理评分卡并可视化性能指标。
  • 评分卡系统: 组织和管理版本化的分类任务，提供清晰的任务溯源和配置。
  • 反馈对齐: 建立闭环系统，捕获人工反馈，分析AI表现的差异，并持续改进AI模型性能。
  • 评估框架: 提供全面的工具，用于运行准确性测试、回归测试和性能基准测试。
  • 流程与实验: 使用LangGraph编排复杂的多步骤AI工作流，超越简单的分类任务。
  • “一切即代码”架构: 将基础设施、AI行为、提示和逻辑都定义为代码，支持AI代理进行自我进化和数据飞轮。

安装步骤

  1. 克隆仓库: 
    git clone https://github.com/AnthusAI/Plexus.git
cd Plexus
  2. 安装Python依赖: 
    pip install -e .
  3. 配置系统: 复制示例配置文件并根据您的环境更新凭据，特别是AWS和AI服务提供商的密钥。 
    cp plexus.yaml.example .plexus/config.yaml
  4. 运行前端仪表板 (可选): 
    cd dashboard
npm install
npm run dev
    具体部署到AWS需要AWS CDK和Node.js，参考仓库中的'infrastructure'目录和AWS CDK文档。

MCP服务器配置 (供MCP客户端连接)

Plexus 提供了一个完整的 MCP 服务器实现，用于响应 LLM 客户端的请求。要让 MCP 客户端连接到 Plexus MCP 服务器，您需要配置启动 Plexus MCP 服务器的命令和参数。

配置信息示例（JSON 格式，请根据您的 Plexus 部署方式和环境进行调整）:

{
  "server_name": "Plexus MCP Server",
  "description": "连接到 Plexus AI 代理操作系统，提供 AI 内容分析和工作流编排能力。",
  "command": "Python解释器路径",
  "args": [
    "-m",
    "plexus.mcp_server_entrypoint",
    "--config",
    "配置路径",
    "--log-level",
    "INFO"
  ],
  "env": {
    "PLEXUS_API_URL": "您的 Plexus 后端 API 地址",
    "PLEXUS_API_KEY": "您的 Plexus 后端 API 密钥",
    "PLEXUS_ACCOUNT_KEY": "您的 Plexus 账户密钥"
  }
}

配置参数说明:

  • 'server_name': 给您的 MCP 服务器连接起一个友好的名称。
  • 'description': 简要描述此 MCP 服务器提供的功能。
  • 'command': 这是一个可执行程序的路径，通常是 Python 解释器（如果 Plexus MCP 服务器是用 Python 编写的）。在某些云部署场景下，这可能是一个启动云服务本地代理的命令。
  • 'args': 传递给 'command' 的参数列表。例如，它可能包含指定要运行的 Python 模块（如 'plexus.mcp_server_entrypoint'，具体名称请查阅 '/MCP' 目录下的实际文件）、配置文件路径或日志级别等。
  • 'env': 这是一个包含环境变量的字典。MCP 服务器可能需要这些环境变量来正确连接到 Plexus 后端服务，例如认证密钥和 API 端点。

重要提示: Plexus MCP 服务器通常作为 AWS 服务（如 Lambda, AppSync）的一部分进行部署。因此，您的 MCP 客户端可能不会通过本地命令行直接“启动”它。更典型的场景是，MCP 客户端会配置一个能够通过网络调用 Plexus MCP 服务 API 的适配器或客户端库。上述 JSON 配置是一个通用示例，假定存在一个可本地执行的 MCP 服务器启动入口。实际部署中，您可能需要根据 Plexus 的云部署架构，调整 'command' 和 'args' 以匹配一个本地代理或特定的云函数调用方式。

基本使用方法

一旦Plexus MCP服务器运行并成功连接到您的AI代理客户端，您就可以通过客户端与Plexus进行交互：

  • 获取资源: 例如，请求可用的评分卡列表或特定评分卡的详细信息。
  • 调用工具: 运行一个评分任务（即调用一个“Score”工具）来分析一段文本或内容，并获取结果。
  • 渲染提示: 请求特定Prompt模板，用于根据给定上下文生成LLM输入。

例如，在您的AI代理客户端中，您可能会发送一个JSON-RPC请求来调用名为'score_text'的工具，并传入文本和评分卡名称作为参数，以获取内容分析结果。

信息

分类

开发者工具

访问项目