Aegis Agent Interoperability

MCPAI代理

提供方 amsilveira-ce

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

Aegis是DAWN框架的参考实现,旨在实现异构人工智能代理之间的通用互操作性、发现和协作。

一句话选型结论

按资料字段整理

Aegis Agent Interoperability 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI代理协作Python本地部署分布式系统服务发现任务编排性能监控

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python -m venv venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Aegis Agent Interoperability当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方amsilveira-ce上游标注的维护方 amsilveira-ce
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

6.4 KB
来自项目仓库与上游目录的原文,未做删改

Aegis:实施DAWN框架

Aegis是 DAWN(分布式代理工作流网络) --一个架构框架,旨在实现 异构人工智能代理之间的通用互操作性、发现和协作.


1.问题:AI孤岛

今天的人工智能领域是支离破碎的。自主代理在孤立的生态系统(如LangChain、CrewAI等)中运行,无法与外部代理协作。这导致了冗余开发,并限制了可解决问题的复杂性。
DAWN旨在打破这些孤岛,为真正的协作人工智能生态系统创建一个通信标准。


2.解决方案:DAWN框架

DAWN提议 自上而下编排模型,围绕两个主要组成部分,构建一个 人工智能能力的全球精英市场.

核心架构

DAWN架构由三个主要支柱组成:

  1. 主要代理人: 中央协调人。它接收用户请求,将其分解为任务,计划执行并管理上下文。
  2. 网关代理: 服务发现注册表。充当“智能目录”,资源代理(工具或其他代理)在其中注册,并根据其功能和性能指标(QoS)进行发现。
  3. 资源代理: 任何提供特定功能的专用代理或工具(例如计算器、网络搜索代理或专用AI模型)。

3.宙斯盾核心组件

Aegis的实施分为以下主要部分,反映了DAWN蓝图。

3.1.主要代理人(Aegis/core/principal_agent)

充当编排的中央大脑。

设计原理:

  • 灵活的操作模式: 支持 NO_LLM, ASSISTED (复制品), AGENT,以及 HYBRID 模式,允许在确定性和自主工作流之间进行转换。
  • 上下文管理: 维护层次结构上下文(conversation_history, user_preferences, task_history, memory_bank)实现复杂任务的个性化和连续性。
  • 推理策略: 设计用于实现多个“推理引擎”(例如ReAct、ReWOO、ToT)进行任务分解。
  • 本地资源缓存: 保留本地资源缓存,以减少频繁网关查询的网络开销。

架构(principalAgent.py):

  • mode: OperationalMode
  • gateway_agents: List[GatewayAgent]
  • local_resources: Dict[str, Resource]
  • task_queue: List[Task]
  • execution_history: List[Dict]
  • context: Dict
  • reasoning_strategies: Dict

3.2.网关代理(Aegis/core/gateway_agent)

管理网络中所有可用资源的注册、验证和智能发现。

设计原理:

  • 双索引注册表: 使用一个 registry (用于通过ID查找O(1))和a capability_index (对于按能力发现O(1))——对于高性能至关重要。
  • 性能跟踪(QoS): 每个注册的资源都包含自己的性能指标(performance_metrics, success_rate, avg_response_time).这允许网关充当智能选择器,不仅根据能力,而且根据历史性能对资源进行排名。
  • 资源验证: 包含 test_results 和 is_active,允许在不删除的情况下优雅地停用故障资源,从而确保系统的健壮性。

架构(gatewayAgent.py 和 gatewayAgent_schemas.py):

  • registry: Dict[str, RegisteredResource]

  • capability_index: Dict[str, List[str]]

  • security_filters: List[Callable]

  • gateway_metrics: Dict

  • RegisteredResource (模式):

  • id: str

  • capabilities: List[str]
  • endpoint: str
  • api_schema: Dict[str, Any]
  • manifest: Dict[str, Any]
  • performance_metrics: Dict[str, float]
  • is_active: bool

4.技术栈(MVP)

此MVP的方法使用以下技术:

  • 后端: Python(FastAPI)和Node.js用于代理服务。
  • 协议: A2A(代理到代理)用于水平通信(代理代理),MCP(模型上下文协议)用于垂直通信(代理工具),通过HTTP(S)使用JSON-RPC 2.0。
  • 数据库: PostgreSQL用于网关注册表、清单和指标的持久存储。
  • 消息: Redis Streams或NATS用于异步通信和任务状态管理。
  • 监控: Prometheus+Grafana堆栈用于实时性能指标(延迟、成功率)。
  • LLM(推理引擎): 主代理的模型,如Granite、Mistral和Llama2(通过API)。

5.入门

先决条件

  • Python 3.9+
  • PostgreSQL
  • Redis或NATS

安装

  1. 克隆此存储库:```bash
    git clone https://github.com/your-username/aegis.git
    cd aegis

1. 创建并激活虚拟环境:```bash
python -m venv venv
source venv/bin/activate
  1. 安装依赖项:```bash
    pip install -r requirements.txt

1. 配置环境变量(创建 `.env` 文件):```env
DATABASE_URL="postgresql://user:pass@localhost/aegis_db"
REDIS_URL="redis://localhost:6379"
# ... other configurations

运行服务

  1. 启动网关代理:```bash
    uvicorn Aegis.core.gateway_agent.main:app --host 0.0.0.0 --port 8000

1. **启动主代理:**```bash
uvicorn Aegis.core.principal_agent.main:app --host 0.0.0.0 --port 8001

6.执行流程(MVP示例)

  1. A. 资源代理 (例如。, WeatherAgent)将其元数据(清单、API架构、功能)发送到 网关代理s REGISTER_RESOURCE 终点。
  2. 这 网关代理 验证资源(执行健康检查)并存储它,由两者进行索引 id 和 capabilities.
  3. 用户向发送请求(例如,“圣保罗的天气预报是什么?”) 委托代理.
  4. 这 委托代理 使用其推理引擎(例如ReAct)将请求分解为任务:
    Task(description="get_weather_forecast", requirements=["weather", "location:São Paulo"]).
  5. 这 委托代理 查询 网关代理 (通过 QUERY_RESOURCES)对于满足以下条件的代理商 requirements.
  6. 这 网关代理 查找它 capability_index,找到 WeatherAgent,根据QoS指标(延迟、成功率)对其进行排名,并返回其详细信息。
  7. 这 委托代理 使用A2A协议委派 Task 到 WeatherAgent的端点。
  8. 这 WeatherAgent 执行任务并返回结果。
  9. 这 委托代理 更新网关中的执行指标,并将最终响应返回给用户。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Aegis Agent Interoperability 怎么安装?

在客户端按下面的安装命令接入:python -m venv venv。装完在客户端配置里引用同一个包或端点。

Aegis Agent Interoperability 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Aegis Agent Interoperability 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Aegis Agent Interoperability 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Aegis Agent Interoperability 能提供哪些能力?

资料显示能力标签包括 分布式系统、Python、AI代理。具体工具清单以官方文档为准。

Aegis Agent Interoperability 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Aegis Agent Interoperability 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。