🚀 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，分配并执行相应任务。

🚀 快速开始

本项目借助生成多个专家代理处理复杂任务，下面为你介绍如何快速开启使用：

1. 安装项目（具体安装步骤见“📦 安装指南”）。
2. 配置环境变量（具体配置方法见“📦 安装指南”中“环境变量”部分）。
3. 启动 MCP 服务器：

uv run python -m src.multiagents

4. 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，确保正确设置命令和参数路径。

✨ 主要特性

多主体思考

• 能够从单个任务描述中自动生成多种不同的视角或方法。
• 可并行运行专门处理每个方法的专家代理。
• 支持多种问题解决策略，例如视角分配型、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。
• 对各专家代理的报告进行整合，生成最终结论或解决方案。

MCP 服务器

• 运用 fastmcp 实现 MCP 服务器功能。
• 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，设置以下环境变量：

OPENAI_API_KEY=your_openai_api_key
HF_TOKEN=your_huggingface_token

💻 使用示例

基础用法

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。

高级用法

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）。

📄 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。