agentxsuite (Alparn)

MCPAI代理

提供方 alparn

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

AgentxSuite是一个开源平台,用于在多MCP服务器环境中连接、管理和监控AI代理和工具,提供统一的控制界面。

一句话选型结论

按资料字段整理

agentxsuite (Alparn) 属于AI代理类 MCP 服务器,stdio · 本地进程,Token,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Token 部署方式本地部署
GitHub 星标 5 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代理管理Python本地部署多租户架构MCP兼容分布式系统策略控制

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
python3 -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。

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。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 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。
  • 不方便管理密钥或第三方授权的人。
  • 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
agentxsuite (Alparn)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alparn上游标注的维护方 alparn
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Token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

14.4 KB
来自项目仓库与上游目录的原文,未做删改

🧠 代理套件

AgentxSuite是一个开源平台,用于跨多个MCP服务器连接、管理和监控AI代理和工具,所有这些都在一个统一的界面中。

🚀 概述

AgentxSuite为分布式AI代理提供了一致的控制层。

它将代理、工具和策略连接到一个编排系统中,该系统专为安全、多租户和MCP兼容的环境而构建。

🧩 技术栈

组件 技术
后端 Django 5.2+,Django REST框架3.15+
MCP服务 FastAPI 0.104+(MCP结构层)
数据库 PostgreSQL(生产)/SQLite(开发)
语言 Python 3.11+

后端/```

config/ # Django project configuration
apps/
accounts/ # User model & auth
tenants/ # Organizations & Environments
connections/ # MCP server connections
agents/ # Agent definitions
tools/ # Tool registry
runs/ # Run orchestration
policies/ # Access policies
audit/ # Audit events (stub)
libs/
secretstore/ # Secret storage abstraction
permissions/ # RBAC utilities
mcp_fabric/ # FastAPI MCP-compatible service
routers/ # Manifest, tools, and run endpoints
tests/ # Unit & integration tests
requirements/ # Dependencies (base, dev, test)


## ⚙️ 设置

### 选项1:Docker(推荐)

最简单的入门方法是使用Docker Compose:

**1.创建环境文件(可选):**```bash
cp .env.example .env
# Edit .env with your settings (SECRET_KEY, database passwords, etc.)

2.启动所有服务:```bash
docker-compose up -d


这将开始:

- PostgreSQL数据库(端口5432)
- Redis缓存(端口6379)
- Django API(端口8000)
- Next.js前端(端口3000)

**3.运行迁移:**```bash
docker-compose exec backend python manage.py migrate

4.创建超级用户:```bash
docker-compose exec backend python manage.py createsuperuser


**5.启动MCP结构服务(可选):**```bash
docker-compose --profile mcp-fabric up -d mcp-fabric

6.查看日志:```bash
docker-compose logs -f backend
docker-compose logs -f frontend
docker-compose logs -f mcp-fabric


**7.停止服务:**```bash
docker-compose down

环境变量:

  • SECRET_KEY -Django密钥(必填)
  • POSTGRES_DB, POSTGRES_USER, POSTGRES_PASSWORD -数据库凭据
  • SECRETSTORE_FERNET_KEY -用于秘密加密的Fernet密钥
  • CORS_ALLOWED_ORIGINS -允许的CORS来源
  • NEXT_PUBLIC_API_URL -前端API URL
  • NEXT_PUBLIC_MCP_FABRIC_URL -前端MCP结构URL

方案2:地方发展

1.创建虚拟环境```bash
python3 -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate


**2.安装依赖项**```bash
cd backend
pip install -r requirements/base.txt
pip install -r requirements/dev.txt
pip install -r requirements/test.txt

3.应用迁移```bash
python manage.py migrate


**4.(可选)创建超级用户**```bash
python manage.py createsuperuser

5.启动服务器

重要提示: 确保虚拟环境已激活(source venv/bin/activate)

Django API```bash
cd backend
python manage.py runserver


**MCP结构(FastAPI)**```bash
cd backend
uvicorn mcp_fabric.main:app --reload --port 8090

同时启动两台服务器:```bash
cd backend

Terminal 1: Django

python manage.py runserver

Terminal 2: MCP Fabric (in new terminal, venv must be activated!)

source ../venv/bin/activate # If not already activated
uvicorn mcp_fabric.main:app --reload --port 8090


**替代方案:使用Makefile**```bash
# Django API
make run

# MCP Fabric
make run-mcp-fabric

🔑 认证

端点 方法 描述
/api/v1/auth/register/ POST 注册新用户
/api/v1/auth/login/ POST 登录并获取令牌
/api/v1/auth/logout/ POST 注销当前用户
/api/v1/auth/me/ GET 获取当前用户信息

头球```
Authorization: Token


## 🧱 核心终点

### 组织与环境

- `GET  /api/v1/orgs/`
- `POST /api/v1/orgs/`
- `GET  /api/v1/orgs/:org_id/environments/`
- `POST /api/v1/orgs/:org_id/environments/`

### 连接

- `GET  /api/v1/orgs/:org_id/connections/`
- `POST /api/v1/orgs/:org_id/connections/`
- `POST /api/v1/connections/:id/test/`
- `POST /api/v1/connections/:id/sync/`

### 代理、工具和运行

- `GET  /api/v1/orgs/:org_id/agents/`
- `POST /api/v1/orgs/:org_id/agents/`
- `GET  /api/v1/orgs/:org_id/tools/`
- `POST /api/v1/orgs/:org_id/tools/`
- `POST /api/v1/orgs/:org_id/runs/execute/` - **统一工具执行端点** (推荐)
- `POST /api/v1/tools/:id/run/` -旧端点(已弃用,请使用 `/runs/execute/` 相反)
- `GET  /api/v1/orgs/:org_id/runs/`

#### 统一运行API

统一运行端点(`POST /api/v1/orgs/:org_id/runs/execute/`)提供了一种一致的工具执行方式:

**请求:**```json
{
"tool": "uuid-or-name",      // Tool UUID or name
"agent": "uuid",              // Optional if Agent-Token is used
"input": {...},               // Input data
"environment": "uuid",        // Optional, derived from tool if not provided
"timeout_seconds": 30         // Optional timeout
}

响应(MCP兼容格式):```json
{
"run_id": "uuid",
"status": "succeeded",
"content": [{"type": "text", "text": "..."}],
"isError": false,
"agent": {"id": "...", "name": "..."},
"tool": {"id": "...", "name": "..."},
"execution": {
"started_at": "2025-01-01T12:00:00Z",
"ended_at": "2025-01-01T12:00:02Z",
"duration_ms": 2000
}
}


**代理选择:**

- 如果使用代理令牌:代理将自动从令牌中提取(最高优先级)
- 如果没有代理令牌: `agent` 请求中的字段是必需的(无自动回退)
- 出于安全原因,不允许自动选择代理

## 🧬 MCP结构(FastAPI服务)

MCP结构将标准化的MCP端点暴露给来自连接环境的访问工具。它支持基于多租户URL的路由和基于JWT令牌的身份验证。

### 端点

**多租户端点(URL路径中的org/env):**

|端点|方法|描述|
|----------|--------|-------------|
| `/mcp/{org_id}/{env_id}/.well-known/mcp/manifest.json` |GET |获取MCP清单|
| `/mcp/{org_id}/{env_id}/.well-known/mcp/tools` |GET |列出已注册的工具|
| `/mcp/{org_id}/{env_id}/.well-known/mcp/run` |POST |执行工具|

**根端点(从JWT令牌中提取的org/env):**

|端点|方法|描述|
|----------|--------|-------------|
| `/.well-known/mcp/manifest.json` |GET |获取MCP清单(来自令牌的org/env)|
| `/.well-known/mcp/tools` |GET |列出已注册的工具(来自令牌的org/env)|
| `/.well-known/mcp/run` |POST |执行一个工具(来自令牌的org/env)|

**身份验证:**```
Authorization: Bearer

JWT令牌必须包括 org_id 和 env_id 根端点的声明。

连接类型

MCP结构支持三种类型的连接:

  1. 系统工具 (agentxsuite://system)
  • 内部系统工具(例如。, agentxsuite_list_runs, agentxsuite_create_agent)
  • 直接通过处理函数执行(无HTTP调用)
  • 从数据库中提取工具
  1. 自有MCP结构 (http://localhost:8090 或配置的MCP结构URL)
  • 指向同一MCP结构服务
  • 工具直接从数据库中获取(绕过HTTP)
  • 用于内部工具执行
  1. 外部MCP服务器 (任何其他HTTP端点)
  • 标准MCP兼容服务器
  • 工具通过HTTP(清单端点或默认值)获取
  • 全面验证和健康检查

建筑亮点

  • fastmcp --用于清单、工具和运行端点的嵌入式MCP服务器
  • 注册表.py --使用fastmcp动态注册Django工具,支持直接数据库查询
  • 适配器.py --将FastAPI工具处理程序连接到Django服务
  • 安全层 --策略检查、JSON模式验证、速率限制、超时和审计日志记录
  • 策略模式 --端点类型检测(SYSTEM、OWN_MCP_FABRIC、EXTERNAL_MCP)以实现最佳路由

🧪 测试

运行所有测试:```bash
pytest


**覆盖范围:**```bash
pytest --cov=apps --cov=libs --cov-report=term-missing

运行特定测试:```bash
pytest apps/policies/tests/unit/test_policies_allow_deny.py


**本地测试设置(带模拟MCP服务器):**```bash
python manage.py seed_local_agentsuite
bash dev/run_servers.sh

🧹 代码质量```bash

ruff check .
ruff format .
mypy apps libs


**或者通过Makefile:**```bash
make install
make lint
make typecheck
make test

🔐 策略和访问控制

AgentxSuite使用 默认拒绝 具有明确允许规则的策略模型。

策略规则

策略支持精确匹配和 通配符模式 使用Unix shell样式匹配(fnmatch):

示例:json { "allow": ["agentxsuite_*", "custom_special_tool"], "deny": ["dangerous_*", "*_delete_all"] }

通配符模式:

  • agentxsuite_* -匹配所有系统工具(例如。, agentxsuite_list_runs, agentxsuite_create_agent)
  • *_delete -匹配以结尾的工具 _delete (例如。, user_delete, tool_delete)
  • tool-* -匹配以开头的工具 tool- (例如。, tool-123, tool-test)
  • * -匹配所有工具(小心使用)

政策评估:

  1. 首先检查拒绝列表 (限制性最强)
  2. 第二次检查允许列表 (明确许可)
  3. 默认拒绝 如果没有明确允许

政策范围:

  • 策略可以是组织范围内的,也可以是特定于环境的
  • 特定于环境的策略优先于整个组织的策略
  • 按顺序评估多个策略

系统工具

AgentxSuite包括用于管理的内置系统工具:

  • agentxsuite_list_runs -列出某个环境的所有运行
  • agentxsuite_create_agent -创建新代理
  • agentxsuite_get_agent -获取代理详细信息
  • agentxsuite_list_agents -列出所有代理
  • agentxsuite_list_connections -列出所有连接
  • agentxsuite_list_tools -列出所有工具

系统工具通过特殊的连接端点访问: agentxsuite://system

开发人员文档:

  • 令牌使用跟踪 -如何在系统工具和外部MCP服务器中实现令牌使用跟踪和成本计算

🌟 特性

  • 多租户架构 -完全隔离的组织和环境
  • 基于策略的访问控制 -通配符支持、默认拒绝模型、特定于环境的规则
  • 系统工具 -用于代理、运行、连接和工具的内置管理工具
  • 令牌使用跟踪 -LLM驱动工具的自动令牌使用和成本计算
  • MCP兼容的FastAPI网关 -具有JWT身份验证的标准MCP端点
  • 连接类型 -支持系统工具、自己的MCP结构和外部MCP服务器
  • 工具执行结果 -带有run_id、持续时间和内容的MCP格式响应
  • 秘密商店 -Fernet加密用于秘密,从不以明文形式存储
  • 服务层架构 -关注点的清晰分离,服务中的业务逻辑
  • 高测试覆盖率 -带pytest的全面测试套件
  • 严格类型检查 -mypy完全支持类型安全
  • 代理设计师 -基于节点图的可视化工作流编辑器,用于设计代理架构
  • 审计和日志 -全面的审计日志系统,用于跟踪所有系统事件和操作
  • 成本分析 -高级成本跟踪和分析仪表板,具有详细的细分和可视化功能

🎨 用户界面功能

代理设计师

这 代理设计师 提供了一个强大的可视化工作流编辑器,用于设计和管理代理架构。此基于节点的界面允许您:

  • 视觉建筑设计:使用直观的基于节点的图表编辑器创建和可视化复杂的代理工作流
  • 组件管理:通过拖放交互添加和连接代理、环境、策略和系统组件
  • 关系映射:使用交互式连接线可视化不同组件之间的连接和依赖关系
  • 自动排列:自动组织和对齐节点以提高可读性
  • 导出功能:导出您的设计以供记录或共享
  • 过滤和分组:按类型、环境或自定义条件组织和筛选组件
  • 交互式导航:使用小地图概览缩放、平移和导航大图

设计器支持多种节点类型,包括:

  • 代理 -AI代理定义和配置
  • 环境 -部署环境(暂存、生产、开发)
  • 政策 -访问控制和安全策略
  • 系统组件 -核心系统服务和基础设施

审计和日志

这 审计和日志 系统提供对所有系统事件和动作的全面跟踪和监控:

  • 完整的事件历史记录:跟踪所有系统事件,包括工具执行、策略决策、代理操作和管理更改
  • 详细活动信息:每个日志条目包括:
  • 时间戳 -事件的精确时间
  • 主题 -触发动作的实体(例如。, agent:AgentCore@ITO/dev)
  • 男演员 -执行该操作的用户或代理
  • 行动 -动作类型(例如。, tool.run.success, policy.check)
  • 目标 -受行动影响的资源或实体
  • 决定 -政策决定(允许/拒绝)
  • 规则ID -已评估的策略规则
  • 详情 -完整的上下文,包括运行ID、代理ID、工具ID、组织/环境ID和请求ID
  • 筛选和搜索:按时间范围、参与者、操作类型或决策筛选日志
  • 导出功能:出于合规、分析或存档目的导出审计日志
  • 实时监控:实时查看系统活动

这种全面的审计跟踪确保了AgentxSuite中所有操作的完全透明度和合规性。

成本分析

这 成本分析 仪表板提供了有关AI代理成本和资源使用情况的详细见解:

  • 关键指标概述:

  • 总成本 -投入/产出成本明细的总体支出

  • 总跑动 -成功率跟踪的执行次数
  • 代币总数 -令牌消耗与输入/输出令牌计数
  • 每次运行的平均成本 -每次执行的成本效益指标

  • 灵活的时间范围:分析7天、30天或90天内的成本

  • 多维分析:查看按以下方式分组的成本:

  • 由代理商提供 -每个代理的成本明细

  • 按环境 -跨环境(生产、开发、暂存)的成本分配
  • 按型号 -使用的每个AI模型的成本
  • 按工具 -工具特定成本分析

  • 可视化分析:

  • 条形图 -显示成本分布的水平进度条

  • 饼图 -按类别分列的成本百分比
  • 趋势指标 -显示成本随时间变化的可视化趋势图

  • 详细分解:对于每个类别,请查看:

  • 总成本

  • 运行次数
  • 令牌使用(输入和输出)
  • 成功率
  • 每次执行成本

成本分析仪表板可帮助您优化支出,识别成本驱动因素,并就整个AI代理基础设施的资源分配做出明智的决策。

📚 文档

  • 令牌使用跟踪 -在系统工具和外部MCP服务器中实现自动令牌使用和成本跟踪的指南

📄 许可证

根据AGPL-3.0许可。

看 许可证 了解详情。

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
agentxsuite (Alparn) 怎么安装?

在客户端按下面的安装命令接入:python3 -m venv venv。装完在客户端配置里引用同一个包或端点。

agentxsuite (Alparn) 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。

agentxsuite (Alparn) 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。

agentxsuite (Alparn) 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

agentxsuite (Alparn) 能提供哪些能力?

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

agentxsuite (Alparn) 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。

agentxsuite (Alparn) 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。