lastmile-ai/mcp-agent

Создавайте эффективные агенты с помощью протокола контекста модели, используя простые, компоноваемые паттерны.

Примеры | Создание эффективных агентов | MCP

Обзор

mcp-agent — это простой, композитируемый фреймворк для создания эффективных агентов с использованием протокола контекста модели.

[! Примечание] видение MCP-Agent заключается в том, что MCP достаточно для создания агентов, а простые паттерны более надёжны, чем сложные архитектуры для выпуска качественных agents.

mcp-agent даёт следующее:

1. Полная поддержка MCP: Он полностью реализует MCP и берёт на себя надоедливые задачи управления жизненным циклом подключений к серверу MCP, чтобы вам этого не пришлось.
2. Эффективные паттерны агентов: Он реализует все паттерны, описанные в книге Anthropic Building Effective Agents, в _композибельном_виде, позволяя вам связывать эти паттерны вместе.
3. Долговечные агенты: работает для простых агентов и масштабируется до сложных рабочих процессов, построенных на Temporal, чтобы вы могли ставить на паузу, возобновлять и восстанавливать без изменений API вашего агента.

В целом, это самый простой и простой способ создания надёжных агентных приложений.

Build effective agents with Model Context Protocol using simple, composable patterns.

Examples | Building Effective Agents | MCP

Overview

mcp-agent is a simple, composable framework to build effective agents using Model Context Protocol.

[!Note] mcp-agent’s vision is that MCP is all you need to build agents, and that simple patterns are more robust than complex architectures for shipping high-quality agents.

mcp-agent gives you the following:

1. Full MCP support: It fully implements MCP, and handles the pesky business of managing the lifecycle of MCP server connections so you don’t have to.
2. Effective agent patterns: It implements every pattern described in Anthropic’s Building Effective Agents in a composable way, allowing you to chain these patterns together.
3. Durable agents: It works for simple agents and scales to sophisticated workflows built on Temporal so you can pause, resume, and recover without any API changes to your agent.

Altogether, this is the simplest and easiest way to build robust agent applications.

We welcome all kinds of contributions, feedback and your help in improving this project.

Minimal example

import asyncio

from mcp_agent.app import MCPApp