Multi-MCP AI Agent

🌟 核心功能

• 多MCP架构：利用多个MCP服务器进行分布式处理和多样化能力
• 认知模块：实现感知、决策、记忆和行动模块
• 外部服务集成：
• Google Workspace（Gmail、Google Drive、Google Sheets）
• 网页抓取和内容提取
• DuckDuckGo搜索集成
• 实时通信：
• Telegram机器人接口
• Server-Sent Events（SSE）用于实时更新
• 核心组件：
• 代理循环管理
• 会话处理
• 上下文管理
• 战略决策

🏗️ 项目结构

├── agent.py              # 主代理入口
├── core/                 # 核心代理组件
│   ├── context.py        # 上下文管理
│   ├── loop.py           # 主代理循环
│   ├── session.py        # 会话处理
│   └── strategy.py       # 战略决策
├── modules/              # 认知模块
│   ├── action.py         # 行动执行
│   ├── decision.py       # 决策
│   ├── memory.py         # 记忆管理
│   ├── model_manager.py  # 模型管理
│   ├── perception.py     # 输入处理
│   └── tools.py          # 工具定义
├── config/               # 配置文件
│   ├── models.json       # 模型配置
│   └── profiles.yaml     # MCP服务器配置
└── mcp_server_*.py       # MCP服务器实现

🚀 使用教程

使用依赖

• Python 3.11+
• UV包管理器
• Telegram机器人令牌（用于机器人功能）
• Google Cloud凭证（用于Google Workspace集成）

安装教程

1. 克隆仓库：

git clone <repository-url>
cd <repository-name>

1. 创建并激活虚拟环境：

uv venv
venv\Scripts\activate  # Mac: source venv/bin/activate

1. 使用UV安装依赖：

uv sync

1. 设置环境变量：
2. 创建.env文件，包含Gemini API密钥和Telegram机器人令牌
3. 使用Google OAuth客户端生成credentials.json

配置

1. 在config/profiles.yaml中配置MCP服务器
2. 在config/models.json中设置模型配置
3. 配置Google Cloud凭证：
4. 将credentials.json放在根目录
5. 运行一次应用程序以生成token.json

🎮 使用

启动代理

uv run agent.py

启动Telegram机器人服务器

uv run telegram_sse_server.py

🛠️ MCP服务器

MCP服务器1：基础操作

• 数学运算
• 图像处理
• 文件操作

MCP服务器2：文档处理

• 文档索引
• 语义搜索
• 内容提取
• 图像标注

MCP服务器3：网页集成

• DuckDuckGo搜索
• 网页内容抓取
• 限速请求

MCP服务器4：Google Workspace

• Gmail集成
• Google Sheets操作
• Google Drive管理
• F1排名抓取器（URL抓取）

📡 通信

Telegram机器人

• 命令处理
• 消息处理
• 实时响应

SSE服务器

• 实时事件流
• 客户端连接管理
• 事件广播

🧠 认知架构

代理实现了一个包含以下模块的认知架构：

• 感知：处理输入并提取相关信息
• 记忆：管理状态和历史数据
• 决策：基于输入和上下文做出战略决策
• 行动：通过适当的工具执行决策的行动

许可证

该项目遵循 MIT 开源许可条款，请参阅 MIT 了解完整条款。