MCP+A2A

MCP+A2A

MCP+A2A模块构建了涵盖10+个前沿协议和框架的智能体互联生态，专注于模型控制协议（MCP）和智能体到智能体（A2A）通信的技术创新。该模块系统性地整理了Anthropic MCP模型控制协议、OpenAI Swarm多智能体框架、Microsoft AutoGen对话智能体、LangGraph状态机编排等核心技术，以及CrewAI协作智能体、MetaGPT多智能体软件公司、ChatDev虚拟软件公司等创新应用框架。

技术特色涵盖了智能体通信协议、任务分解与协作、状态管理与持久化、工具调用与集成等核心能力，详细解析了消息传递机制、协作策略设计、冲突解决算法、性能监控等关键技术环节。

模块深入介绍了多智能体系统架构设计、智能体角色定义、工作流编排、任务调度等工程实践，以及与外部工具（API、数据库、文件系统）的无缝集成方案。内容包括智能体协作模式（层次化、平等化、混合式）、通信模式（同步、异步、事件驱动）、决策机制（投票、共识、仲裁）等多样化协作策略，以及软件开发、数据分析、内容创作、客户服务等典型应用场景的最佳实践，帮助开发者构建高效协作的多智能体系统，实现复杂任务的智能化分解和自动化执行。

-----------------------------------------------------------

A2A

简介

A2A 是由 Google 发起的开源项目，是一种开放协议，旨在实现不透明的智能体应用程序之间的通信和互操作性。该协议允许不同公司基于不同框架、运行在不同服务器上的生成式 AI 智能体作为智能体（而非工具）进行有效通信与协作，以构建更强大、创新的 AI 生态系统。

核心功能

技术原理

应用场景

------------------------------------------------------------

fastapi-mcp

简介

FastAPI - MCP可将FastAPI端点作为模型上下文协议（MCP）工具暴露出来，具备认证功能。它是FastAPI的原生扩展，无需大量配置，能保留请求和响应模型的架构与端点文档，支持灵活部署。

核心功能

技术原理

FastAPI - MCP是FastAPI的原生扩展，借助FastAPI现有的依赖实现认证功能。它直接使用FastAPI的ASGI接口进行通信，无需MCP向API发起HTTP调用。可将MCP服务器挂载到FastAPI应用中，或单独部署。

应用场景

------------------------------------------------------------

openmemory

简介

Mem0 是为 AI 应用提供的记忆层，能增强 AI 助手和代理的智能记忆，实现个性化 AI 交互。它可记住用户偏好、适应个体需求并持续改进，适用于多种场景，如客户支持聊天机器人、AI 助手和自主系统等。

核心功能

  • 多级记忆：保留用户、会话和 AI 代理的记忆。
  • 自适应个性化：基于交互持续改进。
  • 开发友好 API：便于集成到各种应用。
  • 跨平台一致性：在不同设备上行为一致。
  • 托管服务：提供无忧的托管解决方案。
  • 具备添加、更新、搜索、获取、查看历史等操作记忆的功能。

技术原理

采用混合数据库方法管理和检索 AI 代理与助手的长期记忆。将记忆关联唯一标识符，添加消息时，系统提取相关事实和偏好，存储到向量数据库、键值数据库和图数据库；搜索记忆时，跨数据存储搜索，通过评分层评估重要性，将检索到的记忆按需添加到 LLM 提示中。

应用场景

Excel MCP Server

简介

Excel MCP Server 是一个基于 Model Context Protocol（MCP）的服务器工具，允许在无需安装 Microsoft Excel 的情况下，通过 AI 代理或其他系统实现 Excel 文件的创建、读取、修改等操作。支持多种数据操作与格式设置功能，并提供 stdio、可流式 HTTP 及 SSE（已弃用）三种传输方式，适用于本地或远程场景。

核心功能

  • Excel 基础操作：创建、读取、更新工作簿及工作表，管理工作表（复制、重命名、删除）。
  • 数据与格式管理：读写数据、应用公式、设置字体样式/颜色/边框/对齐/条件格式，支持数据验证。
  • 可视化与分析：生成折线图、柱状图、饼图等图表，创建动态数据透视表及 Excel 表格。
  • 传输支持：提供 stdio（本地）、可流式 HTTP（推荐远程）及 SSE（已弃用）三种传输协议，支持环境变量配置文件路径（EXCELFILESPATH）和端口（FASTMCP_PORT）。

技术原理

Excel MCP Server 基于 Model Context Protocol（MCP）实现，通过服务器端处理客户端的 Excel 操作请求。底层采用 Python 语言开发（支持 Python 3.10），通过协议适配不同传输方式：stdio 直接通过标准输入输出交互；可流式 HTTP 支持远程连接，通过环境变量指定文件存储路径和服务端口；SSE（Server-Sent Events）已弃用。服务器通过封装 Excel 文件操作逻辑（如数据读写、格式设置、图表生成等），提供标准化接口供客户端调用。

应用场景

  • AI 代理集成：为 AI 系统提供无 Excel 环境下的 Excel 文件操作能力，支持自动化数据处理与报告生成。
  • 远程 Excel 管理：通过可流式 HTTP 协议实现远程服务器上的 Excel 文件操作，适用于多用户协作或云端服务场景。
  • 自动化业务流程：集成至企业系统中，自动化完成数据录入、报表生成、图表可视化等任务。
  • 轻量级开发测试：开发者无需安装 Excel，即可在本地或测试环境中快速验证 Excel 操作逻辑。
  • 项目官网：https://excelmcpserver.com/
  • GitHub仓库：https://github.com/haris-musa/excel-mcp-server

GitMCP

GitMCP 是一个免费、开源的远程模型上下文协议（MCP）服务器，旨在将任何 GitHub 项目（包括仓库和 GitHub Pages）转换为文档中心，并为 AI 工具提供即时、准确的项目上下文。它通过消除 AI 模型的“代码幻觉”问题，使得 AI 能够访问最新的文档和代码，即使这些信息未包含在其训练数据中。通过简单地将 GitHub 仓库 URL 中的 github.com 替换为 gitmcp.io，即可为该仓库生成一个可供 AI 助手使用的 MCP 服务器。

gitmcp.png

核心功能

  • 上下文提供： 为 AI 工具提供 GitHub 仓库的实时、准确的文档和代码上下文。
  • 消除幻觉： 解决 AI 模型在处理新项目或训练数据之外的信息时可能出现的“代码幻觉”问题。
  • 文档获取： fetch_documentation：检索项目的主要文档。
  • 文档搜索： search_documentation：根据特定查询在文档中进行搜索。
  • 代码搜索： search_code：在实际仓库代码中进行搜索。
  • URL 内容获取： fetchurlcontent：检索引用链接的内容。

技术原理

GitMCP 的核心是实现了模型上下文协议（Model Context Protocol, MCP）。MCP 是一种标准，允许 AI 工具从外部源请求额外的上下文信息。其工作流程如下：
  • 用户在 AI 工具中将 GitMCP 配置为一个 MCP 服务器。
  • 用户向 AI 提出关于代码或文档的问题。
  • AI 工具（在用户批准后）向 GitMCP 发送请求。
  • GitMCP 从相应的 GitHub 仓库获取相关信息。
  • AI 接收到准确、最新的信息，并提供基于事实的回复。
它通过提供 fetch 和 search 等工具接口，使得 AI 能够按需动态获取并理解 GitHub 仓库的内容。

应用场景

  • AI 辅助编程： 允许 AI 编程助手（如 Cursor）深度理解任何 GitHub 仓库的内部结构和文档，从而提供更准确的代码建议、bug 修复和问题解答。
  • 知识库查询： AI 模型可以利用 GitMCP 访问和检索非其训练集中的项目文档，为用户提供关于开源项目、库或框架的最新信息。
  • 开发效率提升： 开发者可以配置 AI 工具与 GitMCP 集成，快速获取项目上下文，减少手动查阅大量文档和代码的时间。
  • 教育与学习： AI 导师可以通过 GitMCP 访问特定 GitHub 项目的详细信息，帮助学生理解和学习新的技术栈。
GitMCP的项目地址
  • 项目官网：https://gitmcp.io/
  • GitHub仓库：https://github.com/idosal/git-mcp

------------------------------------------------------------

⬆ 返回README目录 ⬆ Back to Contents