MCPAgent

MCPAgent 是一个基于 Model Context Protocol (MCP) 的智能代理框架，支持多种大语言模型和工具集成，专为测试单体agent的效果而设计。

目前的Agent设计基本上依赖大模型本身的能力来进行思考和规划，对于一个没有特定业务经验的人来说，能够解决从0分到80分的问题， 但是对于特定行业场景来说，一个经验丰富的专家通过控制工具的调用能够做到95分，这时候，经验流和特定场景的MCP工具就比大模型本身能力更重要。

事实上我们也通过一些方式证明了，在网络安全领域，靠大模型本身的能力去做规划和执行，任何一个所谓的最顶级的大模型的输出都是一个灾难，有惊喜有惊吓， 很难满足生产环境的需求。而从另一个方面我们也证明了，即便是14b的小模型（甚至是qwen3 4b）在提供领域的工具和限定最佳实践的流程情况下， 输出远比通用大模型效果更好。

通用大模型 + 自规划流程 + 通用工具 + 公开数据 < 小模型 + 最佳实践的限定流程 + 垂直领域的数据 + 垂直领域的工具

市面上没有这样的工具来进行基于MCP的Agent效果测试，像是类似cherry studio这样的综合型工具存在两个问题： 一个是内嵌固化了很长的通用提示词反而干扰了效果， 另一个是他们还是基于以前CoT方式的用文本做工具调用的流程，而不是直接用到tools的API接口来适配最佳实践。

- 🤖多模型支持: 支持 OpenAI 和 Ollama 等多种 LLM 提供商
- 🔧工具集成: 基于 MCP 协议的丰富工具生态系统
- 🌐多种连接方式: 支持 STDIO（命令行）和 SSE（网络服务）两种 MCP 服务器连接方式
- 🎯ReAct 架构: 采用推理-行动循环的智能代理模式
- ⚙️灵活配置: 支持 YAML 配置文件和命令行参数
- 🔄实时通知: 提供任务执行过程的实时反馈
- 🌐Web界面: 基于Vue3的现代化Web UI，支持实时交互
- 📱响应式设计: 适配桌面端和移动端设备
- 🌍多语言支持: 中文和英文界面切换
- 🎨主题切换: 明暗主题自由切换

# 克隆项目 git clone https://github.com/LubyRuffy/mcpagent.git cd mcpagent # 安装依赖 go mod download # 构建项目 go build -o mcpagent ./cmd/mcpagent

# uvx curl -LsSf https://astral.sh/uv/install.sh | sh # pip install uv # npx brew install node npm install -g npx

# 使用默认配置执行任务 ./mcpagent -task "分析网络安全领域的最新研究趋势" # 使用自定义配置文件 ./mcpagent -config news_config.yaml -task "分析特朗普的一些新政策对中美关系的影响" # 使用数据库的mcp server可以直接做数据查询 ./mcpagent -config dbagent_config.yaml -task "最近的用户查询最多的产品是什么"

# 构建Web应用 ./scripts/build-web.sh # 启动Web服务器 cd build ./start.sh # 或者直接运行开发模式 ./scripts/dev.sh

- 🎛️ 可视化配置管理（LLM、MCP服务器、工具选择）
- 💬 实时聊天交互，支持流式响应
- 🔧 工具调用过程可视化展示
- 📝 系统提示词模板和自定义编辑
- 🌐 多语言界面（中文/英文）
- 🎨 明暗主题切换
- 📱 响应式设计，支持移动端

✅Web UI已完全实现并可正常使用！详细使用指南请查看WEB_UI_USAGE_GUIDE.md

# LLM 配置 llm: type: ollama # 支持 openai, ollama base_url: http://127.0.0.1:11434 model: qwen3:14b api_key: ollama # MCP 服务器配置 mcp: config_file: mcp_servers.json #mcp_servers: 也可以直接配置mcp_servers tools: - fetch_fetch - ddg-search_search - sequential-thinking_sequentialthinking # 代理配置 proxy: "" # HTTP代理地址（比如burp），用于调试查看大模型的请求和响应 max_step: 20 # 最大推理步数 # 系统提示词 field: "网络安全领域" # 用于system_prompt的{field}占位符 system_prompt: | 你是一位经验丰富的学术研究员...

{ "mcpServers": { "ddg-search": { "command": "uvx", "args": ["duckduckgo-mcp-server"] }, "sequential-thinking": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"] }, "fetch": { "command": "uvx", "args": ["mcp-server-fetch"] } } }

{ "mcpServers": { "remote-api": { "url": "http://localhost:8000/sse", "headers": [ "Authorization: Bearer your-token-here", "Content-Type: application/json" ] }, "cloud-service": { "url": "https://api.example.com/mcp/sse" } } }

./mcphost -task "撰写一篇关于'大语言模型在网络安全中的应用'的学术论文，包含文献综述、方法论和案例分析，字数不少于2000字"

./mcphost -task "分析2024年人工智能安全领域的最新研究趋势，总结主要技术发展和挑战"

A: 在mcp_servers.json中添加新的服务器配置，然后在config.yaml的mcp.tools中启用相应工具。

A: 目前支持 OpenAI API 兼容的模型和 Ollama 本地模型。可以通过配置文件切换。

A: 修改配置文件中的system_prompt字段，或使用-system-prompt命令行参数。

- Cloudwego Eino- AI 应用开发框架
- MCP Protocol- 模型上下文协议
- mark3labs/mcp-go- Go MCP 实现

- Issues:GitHub Issues
- Discussions:GitHub Discussions
- Email: 项目相关问题请通过 GitHub Issues 提交

Build and deploy full-stack Next.js apps with 98 tools for React, AWS, and MongoDB