mcp-agent

Q: API Key 应该写在哪里？

写入 mcp_agent.secrets.yaml（可从 mcp_agent.secrets.yaml.example 复制），配置项从该文件、环境变量和 mcp_agent.config.yaml 加载，密钥文件需 gitignore。

Q: 除 OpenAI 外还支持哪些模型？

README 的可选依赖示例列出了 openai、anthropic、google、azure、bedrock，可通过 pip/uv 的 extras 形式安装对应包。

Q: filesystem 服务器报错怎么办？

该服务器通过 npx 启动，需本地有 Node 环境；同时确认配置 args 中的 已替换成真实目录路径。

用 MCP 和简单流程模式，快速搭建可靠 AI 智能体。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 893 🐛 待处理 156 👀 关注 48

GitHub ↗

GitHub 星标 ★ 8577

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队lastmile-ai

GitHubhttps://github.com/lastmile-ai/mcp-agent

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,ai,ai-agents,llm,llms,mcp,model-context-protocol,python

GitHub 星标★ 8577

上线时间2024-12-18 00:00:00

代码更新2026-01-25

仓库体积26.7 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

mcp-agent 是一个基于 Python 的框架，用于构建高效 AI 智能体。它利用 Model Context Protocol (MCP) 作为标准接口，连接各种工具和数据源，并通过简单的工作流模式（如顺序执行、条件分支）编排智能体行为。该项目解决了 AI 应用中工具集成复杂、流程编排繁琐的问题，提供简洁的 API 和类型提示，让开发者能快速搭建可复用的智能体。核心能力包括：MCP 客户端管理、多工具调用、工作流定义、错误处理与重试机制。它特别适合需要与外部系统（如数据库、API）交互的自动化任务，并支持流式输出和异步操作。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 8577

技术标签

agents ai ai-agents llm llms

使用教程

难度：入门约 10 分钟部署方式：库/依赖 7 步

环境要求

Python 环境（README 推荐用 uv 管理 Python 项目）
uv 或 pip 包管理器
Node.js/npx（filesystem MCP 服务器通过 npx 启动）
至少一个 LLM 提供商的 API Key（如 OpenAI）

安装与启动步骤

1安装 mcp-agent

在项目目录中用 uv 添加依赖；若不用 uv，可改用 pip install mcp-agent 安装。
```
uv add "mcp-agent"
```
2安装 LLM 扩展包

按需安装 LLM 提供商的可选依赖，示例中一次性列出 openai、anthropic、google、azure、bedrock。
```
uv add "mcp-agent[openai, anthropic, google, azure, bedrock]"
```
3获取示例项目

已克隆仓库可跳过本步直接进 examples 目录；也可用 uvx 生成一个基础模板项目到 my-first-agent。
```
uvx mcp-agent init --template basic --dir my-first-agent
```
4进入示例目录

切换到基础示例目录，里面包含 main.py、配置文件和密钥示例文件。
```
cd examples/basic/mcp_basic_agent
```
5创建密钥文件

从示例文件复制出 mcp_agent.secrets.yaml，随后填入真实 API Key，该文件不要提交到代码仓库。
```
cp mcp_agent.secrets.yaml.example mcp_agent.secrets.yaml
```
6修改配置文件

编辑 mcp_agent.config.yaml，把 filesystem 服务器参数里的 <add_your_directories> 换成你要访问的真实目录，并按需改 default_model。
7运行示例

用 uv 运行 main.py，智能体会连接 fetch 与 filesystem 两个 MCP 服务器并调用 LLM 完成查询。
```
uv run main.py
```

关键配置

配置项	必填	说明	示例
`execution_engine`	是	指定执行引擎，示例值为 asyncio。	`asyncio`
`logger.level`	否	日志级别，调试时可设为 debug 查看工具与调用信息。	`debug`
`logger.transports`	否	日志输出方式，可选 console 或同时输出到 file。	`[console]`
`mcp.servers.fetch.command`	否	fetch 服务器的启动命令，示例用 uvx 拉起 mcp-server-fetch。	`uvx`
`mcp.servers.filesystem.args`	否	filesystem 服务器启动参数，末尾需填入允许访问的目录。	`["-y", "@modelcontextprotocol/server-filesystem", "<add_your`
`openai.default_model`	否	OpenAI 默认模型，示例为 gpt-4o。	`gpt-4o`