# Multi Agent MCP **Repository Path**: oytonic/multi-agent-mcp ## Basic Information - **Project Name**: Multi Agent MCP - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-04-03 - **Last Updated**: 2025-04-10 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # AI Agents MCP Server 这是一个基于Model Context Protocol (MCP)的服务器实现,用于提供AI代理系统的工作流、角色、模板和文档资源。 ## 功能特点 - 提供完整的软件开发工作流程管理 - 支持多个AI代理角色定义和切换 - 提供丰富的文档和模板资源 - 使用OpenAI API进行智能工作流分析 - 支持动态工作流程指导 ## 目录结构 ``` . ├── ai-agents/ # AI代理系统资源 │ ├── roles/ # 角色定义 │ ├── workflows/ # 工作流定义 │ ├── templates/ # 文档模板 │ └── docs/ # 相关文档 ├── src/ # 源代码 │ └── server.ts # 服务器实现 ├── dist/ # 编译输出目录 ├── package.json # 项目配置 └── tsconfig.json # TypeScript配置 ``` ## 安装 ```bash # 安装依赖 npm install # 编译项目 npm run build ``` ## 环境变量 在运行服务器之前,请确保设置以下环境变量: - `OPENAI_API_KEY`: OpenAI API密钥,用于工作流分析功能 ## 运行 ```bash npm start ``` ## 可用工具 服务器提供以下MCP工具: 1. `list_roles` - 列出所有可用的AI代理角色 2. `list_workflows` - 列出所有定义的工作流 3. `list_templates` - 列出所有可用的文档模板 4. `list_docs` - 列出所有相关文档 5. `get_next_step` - 获取工作流中的下一步操作指南 ### get_next_step 工具 用于获取工作流中特定阶段的详细信息和下一步操作指南。 参数: ```typescript { current_phase: string; // 当前阶段名称(必需) project_name?: string; // 项目名称(可选) workflow_name?: string; // 工作流名称(可选,默认为"main_workflow") } ``` 返回信息包括: - 当前阶段详细信息 - 负责角色 - 使用的模板 - 输入/输出要求 - 具体操作步骤 - 下一阶段信息 - 角色切换指南 ## 开发 ### 添加新工具 1. 在`src/server.ts`中使用`server.tool()`方法定义新工具 2. 实现工具的处理逻辑 3. 在README中更新工具文档 ### 修改工作流 1. 在`ai-agents/workflows/`目录下编辑或创建工作流文档 2. 工作流文档使用Markdown格式 3. 无需特定格式要求,系统会使用AI分析文档内容 ## MCP调试 ``` bash npm run build npx @modelcontextprotocol/inspector node dist/server.js ``` ## 常见问题 1. windows环境安装 `@modelcontextprotocol\sdk` 后调用异常 ``` cmd npm install @modelcontextprotocol/sdk ``` ## 许可证 MIT