🚀 多主体思考 MCP 服务器
本项目致力于通过生成多个专家代理，来分担复杂任务的处理工作，进而实现更深入、多角度的分析，并生成有效的解决策略。项目内部生成的多个代理（即专家代理）会依据各自的专长领域分配并执行任务。
🚀 快速开始
本项目使用多个专家代理处理复杂任务，通过以下步骤可快速启动 MCP 服务器并使用相关功能：
- 完成项目的安装（具体安装步骤见下方“📦 安装指南”）。
- 配置好环境变量（见“环境变量”部分）。
- 启动 MCP 服务器：
uv run python -m src.multiagents
- 在客户端（如 Cursor IDE）中调用
multiagent_thinking工具。若使用 Claude Desktop，需参考文档说明正确设置命令和参数路径。
✨ 主要特性
多主体思考
- 视角与方法生成：能够从单个任务描述中自动生成多种不同的视角或方法。
- 专家代理并行运行：并行启动专门处理每个方法的专家代理。
- 多种问题解决策略：支持视角分配型、任务分配型、阶段分配型、并行解法型、分支探索型和分解重构型等多种问题解决策略。
- 结果整合：整合各专家代理的报告，生成最终结论或解决方案。
MCP 服务器
- 功能实现：使用
fastmcp实现 MCP 服务器功能。 - 客户端调用：可通过 Cursor IDE 等 MCP 客户端调用
multiagent.multiagent_thinking工具。
📦 安装指南
克隆仓库
git clone https://github.com/Hajime-Y/multiagents-thinking.git
cd multiagents-thinking
创建虚拟环境并安装依赖
uv venv
source .venv/bin/activate # Linux/macOS
# .venv\Scripts\activate # Windows
uv sync
🔧 环境变量
在项目根目录下创建 .env 文件，并设置以下环境变量：
OPENAI_API_KEY=your_openai_api_key
HF_TOKEN=your_huggingface_token
💻 使用示例
启动 MCP 服务器
uv run python -m src.multiagents
客户端调用
在客户端（如 Cursor IDE）中调用 multiagent_thinking 工具。对于 Claude Desktop 的配置，请参考文档中的说明，确保正确设置命令和参数路径。
📚 详细文档
主要组件
src/multiagents.py：MCP 服务器的入口点，定义了multiagent_thinking工具。src/create_agent.py：负责生成母代理和专家代理提示语及代理创建逻辑（包含run_specialist_agents工具）。
要求
- Python 版本：Python 3.11 或更高版本。
- 包管理器：
uv包管理器。 - API 密钥：需要 OpenAI API 密钥 (
OPENAI_API_KEY) 和 HuggingFace 令牌 (HF_TOKEN)。
📄 许可证
本项目在 Apache License 2.0 下提供。
🙏 致谢
该项目受到 HuggingFace 的 smolagents 库的启发。