AI Agent Playground

MCPAI代理

提供方 weiweibupt

AI代理 未标注 无需鉴权 社区 / 第三方

基于TypeScript和Node.js的AI Agent开发框架,集成MCP协议和RAG功能,适用于知识库问答、智能客服等场景。

一句话选型结论

按资料字段整理

AI Agent Playground 属于AI代理类 MCP 服务器,传输方式未标注,无需鉴权,没有现成安装命令,需按官方文档接入。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 传输方式未标注 鉴权无需鉴权 部署方式未标注
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

AIAgentTypeScript本地部署MCP协议RAGNode.js

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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

  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 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

  • 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
AI Agent Playground当前 未标注 未标注 未标注 无 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weiweibupt上游标注的维护方 weiweibupt
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
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 · 未标注本地安装时用到的包标识与运行时
部署类型未标注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

5.0 KB
来自项目仓库与上游目录的原文,未做删改

TypeScript Node.js ESM Template

TypeScript + Node.js + ESM 项目模板,集成了 AI Agent、MCP 协议和 RAG 功能。

✨ 主要功能

🤖 AI Agent

  • 基于 OpenAI 的对话 Agent
  • 支持工具调用(Function Calling)
  • 多轮对话管理
  • 可扩展的架构设计

🔌 MCP 集成

  • 支持 Stdio 和 HTTP 两种 MCP 传输方式
  • 多 MCP 服务器连接管理
  • 自动工具发现和调用
  • 详细文档:MCP-GUIDE.md

📚 RAG (检索增强生成)

  • 轻量级设计:无需额外数据库,适合快速开发
  • 文档索引:支持 .txt, .md, .json 等格式
  • 智能检索:基于向量相似度的语义检索
  • 自动增强:无缝集成到 Agent 对话流程
  • 持久化:支持向量存储的保存和加载
  • 详细文档:RAG-GUIDE.md

🚀 快速开始

安装依赖```bash

pnpm install


### 配置环境变量

创建 `.env` 文件:```env
OPENAI_API_KEY=your_openai_api_key_here

运行示例```bash

基础开发

pnpm run dev

测试 Stdio MCP

pnpm run test:stdio-mcp

测试 HTTP MCP

pnpm run test:http-mcp

RAG 单元测试(推荐首先运行)

pnpm run test:rag-unit

测试 RAG(基础示例)

pnpm run test:rag

测试 RAG(文件索引)

pnpm run test:rag-file

测试完整集成

pnpm run test:complete


## 📖 文档

- MCP 使用指南 - MCP 协议集成说明
- RAG 使用指南 - RAG 功能详细文档
- 快速上手指南 - 5 分钟快速开始
- 测试指南 - 测试 RAG 功能
- 架构文档 - 技术架构说明
- HTTP MCP 指南 - HTTP MCP 服务器配置

## 🏗️ 项目结构```
.
├── src/
│   ├── agent.ts              # Agent 核心类
│   ├── chat-open-ai.ts       # OpenAI 封装
│   ├── stdio_mcp/            # Stdio MCP 实现
│   ├── http_mcp/             # HTTP MCP 实现
│   ├── rag/                  # RAG 模块
│   │   ├── types.ts          # 类型定义
│   │   ├── embedding.ts      # 向量化
│   │   ├── vector-store.ts   # 向量存储
│   │   ├── document-processor.ts  # 文档处理
│   │   ├── rag-retriever.ts  # RAG 检索器
│   │   └── index.ts          # 模块导出
│   └── examples/             # 示例代码
│       ├── rag-example.ts         # RAG 基础示例
│       └── rag-file-example.ts    # RAG 文件索引示例
├── package.json
└── tsconfig.json

💡 使用示例

基础 Agent 使用```typescript

import { Agent } from "./src/agent.js";

const agent = await Agent.create({
model: "gpt-4o-mini",
systemPrompt: "你是一个有用的助手",
});

const answer = await agent.chat("你好!");
console.log(answer);

await agent.disconnect();


### 集成 RAG```typescript
import { Agent } from "./src/agent.js";
import { RAGRetriever } from "./src/rag/index.js";

// 1. 创建 RAG 检索器
const ragRetriever = new RAGRetriever({
apiKey: process.env.OPENAI_API_KEY,
topK: 3,
});

// 2. 索引文档
await ragRetriever.indexDocuments("./docs");

// 3. 创建带 RAG 的 Agent
const agent = await Agent.create({
model: "gpt-4o-mini",
ragRetriever,
enableRAG: true,
});

// 4. 对话(自动检索相关文档)
const answer = await agent.chat("文档中提到了什么?");

await agent.disconnect();

集成 MCP 服务器```typescript

import { Agent } from "./src/agent.js";

const agent = await Agent.create({
mcpServers: [
{
name: "my-mcp",
type: "stdio",
command: "node",
args: ["./mcp-server.js"],
},
],
});

// Agent 自动发现并可以调用 MCP 工具
const answer = await agent.chat("调用工具完成任务");

await agent.disconnect();


## 🛠️ 技术栈

- **TypeScript** - 类型安全
- **Node.js** - 运行时(ESM 模块)
- **OpenAI API** - LLM 和 Embeddings
- **MCP SDK** - Model Context Protocol
- **tsx** - TypeScript 执行器

## 📦 依赖```json
{
"dependencies": {
"@modelcontextprotocol/sdk": "^1.25.3",
"chalk": "^5.6.2",
"dotenv": "^17.2.3",
"openai": "^6.17.0"
},
"devDependencies": {
"@types/node": "^22.13.11",
"ts-node": "^10.9.2",
"tsx": "^4.19.3",
"typescript": "^5.8.2"
}
}

🎯 适用场景

  • 知识库问答系统 - 使用 RAG 索引企业文档
  • 智能客服 - 集成 MCP 工具调用
  • 文档助手 - 自动检索和回答文档相关问题
  • 代码助手 - 索引代码库提供智能建议
  • AI Agent 开发 - 快速构建自定义 Agent

🔧 开发

构建```bash

pnpm run build


### 运行```bash
pnpm run start

开发模式```bash

pnpm run dev


## 🧪 测试

### 运行 RAG 单元测试```bash
pnpm run test:rag-unit

测试覆盖:
- ✅ EmbeddingModel 向量化(3 个测试)
- ✅ DocumentProcessor 文档处理(2 个测试)
- ✅ VectorStore 存储和检索(2 个测试)
- ✅ RAGRetriever 完整流程(2 个测试)
- ✅ 相似度排序验证(1 个测试)

预期结果: 10/10 测试通过,成功率 100%

详细信息请查看 测试指南

📄 许可

ISC

🤝 贡献

欢迎提交 Issue 和 PR!

常见问题

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

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

AI Agent Playground 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。

AI Agent Playground 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。

AI Agent Playground 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。

AI Agent Playground 能提供哪些能力?

资料显示能力标签包括 RAG、JavaScript、TypeScript、本地部署。具体工具清单以官方文档为准。

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。