Deep Thought Platform

MCPAI代理

提供方 luismr

AI代理 stdio · 本地进程 会话登录 社区 / 第三方 Cursor
查看接入方式

一个基于Python和gRPC构建的分布式概念验证代理平台,具有服务发现、动态路由、水平扩展和可扩展的代理/工具架构,适用于AI代理部署和复杂任务处理。

一句话选型结论

按资料字段整理

Deep Thought Platform 属于AI代理类 MCP 服务器,stdio · 本地进程,会话登录,可直接接入 Cursor,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 鉴权会话登录 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 1 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1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

支持客户端

适用场景

分布式系统Python本地部署AI代理服务发现负载均衡gRPC

安装与配置

stdio · 本地进程 会话登录
客户端在本机拉起子进程,数据不出本机
python scripts/test_client.py

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

    连接成功后客户端会列出约 1 个工具,随便调一个只读工具确认能返回结果。

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 1 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Cursor,换客户端不用重新研究配置。

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。
  • 使用前要准备好会话登录对应的凭据,并按最小权限配置。
  • 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。
  • 已经在用 Cursor 的用户,接入路径最短。
  • 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
Deep Thought Platform当前 1 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luismr上游标注的维护方 luismr
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
鉴权方式会话登录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

25.1 KB
来自项目仓库与上游目录的原文,未做删改

深度思考智能体执行平台

分布式 概念验证(PoC) 基于Python和gRPC构建的代理平台,具备服务发现、动态路由、使用HAProxy进行负载均衡的水平扩展以及可扩展的代理/工具架构。此概念验证(PoC)展示了一种更高效的模型,用于以标准化方式部署代理。

> ⚠️ 尚未准备好投入生产这是一个基于Docker Compose的开发和测试概念验证(PoC)。对于生产环境的部署,下一步应该朝着使用Terraform、Helm图表和适当的CI/CD流水线来部署到Kubernetes集群的方向进行。

> 🤖 名称起源受《银河系漫游指南》启发——其中深思计算机计算出,生命、宇宙以及一切终极问题的答案是 四十二这个平台代表了我们尝试构建“智能体基础设施”的努力,该基础设施能够通过分布式人工智能智能体来帮助回答复杂问题。

🏗️ 建筑学

该平台由以下组件构成:

核心组件

  1. MCP路由器 - 带有服务发现功能的中央路由服务
  • 将请求路由到代理和工具
  • 通过Consul管理服务注册
  • 处理负载均衡和故障转移
  • 使用HAProxy负载均衡器实现水平扩展
  • 端口: 50051 (通过HAProxy的公共端点)
  1. HAProxy - 所有HTTP/gRPC服务的负载均衡器
  • 轮询负载分配
  • 每2秒进行一次健康检查
  • 实时统计仪表板
  • 路由:gRPC 路由器(50051)、MCP 服务器(3000)、目录 API(8000)、目录 UI(8080)
  • 统计用户界面(Stats UI)可在 http://localhost:8404
  1. 领事 - 服务发现和健康检查
  • 集中式服务注册表
  • 带自动故障转移的健康监测
  • 用户界面可在 http://localhost:8500
  1. 目录服务 - 基于网络的服务目录和文档
  • 目录API (端口: 8000 通过HAProxy)- FastAPI后端
  • 列出所有代理、工具和工作者
  • 显示参数、模式和示例
  • 查询 Consul 和 gRPC 以获取实时数据
  • 可扩展(1-3个实例)
  • 目录用户界面 (端口: 8080 通过HAProxy访问 - React前端
  • 用于浏览服务的现代网页界面
  • 实时服务状态
  • 请求/响应示例
  • 可扩展的(1-3个实例)

代理

代理是具有特定能力的自主服务,能够执行任务。

  • 简单的演示代理
  • 对输入进行处理后回显
  • 展示流媒体播放功能

工具

工具提供了代理可以使用的特定功能。

  • 天气工具 (端口: 50053)
  • 提供天气信息
  • 支持实时天气和天气预报
  • 演示用模拟数据

任务工作者

专门从事复杂、长期任务的工作人员。

  • 行程任务工作者 (端口: 50054)
  • 规划旅行行程
  • 基于人工智能的路线优化
  • 与天气工具集成

🚀 快速入门

先决条件

  • Python 3.11或更高版本
  • Docker 和 Docker Compose
  • Git(一种分布式版本控制系统)

安装

  1. 克隆仓库```bash
    cd agent-platform-server

2. **一键式设置** (推荐)```bash
make quick-start

这将自动:

  • 创建一个虚拟环境
  • 安装依赖项
  • 编译Protocol Buffer定义
  • 构建 Docker 镜像
  • 启动所有服务

或手动设置:```bash

Run setup

make setup

Build images

make build

Start services

make up


3. **验证服务是否正在运行**```bash
make status

所有服务应显示为“健康”或“运行中”。

  1. 测试该平台```bash
    make test

测试将通过MCP路由器进行连接,并验证所有服务。

5. **浏览服务目录**```bash
make ui-catalog
# Or visit: http://localhost:8080

目录用户界面(Catalog UI)提供了一个网页界面用于:

  • 浏览所有可用的代理、工具和工作人员
  • 查看参数和模式
  • 查看示例请求和响应
  • 检查实时服务状态
  • 监控实例数量

📖 服务目录

该平台包括一个 基于网络的服务目录 该系统能够动态发现并记录所有可用服务:

特点/特性

  • 实时服务发现通过Consul自动发现所有代理、工具和工作节点
  • 健康意识整合(或:考虑健康的整合策略) ✨:显示服务状态(健康/降级/不健康/宕机)及实例细分情况
  • 自动去重 ✨:多个实例显示为单个条目,附带实例数量
  • 交互式文档浏览参数、类型和描述
  • 示例请求查看如何调用每个服务
  • 示例回答查看支持 session_id 的预期输出格式
  • 实时状态检查服务健康状况和实例数量
  • 可扩展架构API和UI可以独立缩放

访问

  • Web 用户界面http://localhost:8080(或者 make ui-catalog)
  • REST API(Representational State Transfer Application Programming Interface,表述性状态传递应用程序编程接口)http://localhost:8000
  • /api/catalog - 完整目录(代理、工具、工作人员)
  • /api/agents - 列出所有代理
  • /api/tools - 列出所有工具
  • /api/workers - 列出所有工人
  • /health - 健康检查

建筑```

Browser → HAProxy:8080 → catalog-ui (1-3 instances) → Consul
↓
HAProxy:8000 → catalog-api (1-3 instances) → Consul + gRPC


两项服务均:

- 向 Consul 注册以进行服务发现
- 通过HAProxy进行路由以实现负载均衡
- 独立扩展(每个实例1-3个)
- 提供健康检查
- **去重服务** 自动地(无重复条目)
- **追踪健康状况** (健康/不健康实例数量)

## ⚖️ 负载均衡与扩展

该平台支持 **水平扩展(或横向扩展)** 为MCP Router和基于Consul的服务发现提供所有服务的HAProxy负载均衡!

### 扩展MCP路由器实例```bash
# Scale to 3 instances (recommended for production)
docker-compose up -d --scale mcp-router=3

# Scale to 5 instances (high availability)
docker-compose up -d --scale mcp-router=5

# Use the convenient management script
./scripts/manage_routers.sh scale 3

# Or use Makefile
make scale-router N=3

扩展其他服务```bash

Scale agents, tools, and workers

make scale-echo N=3
make scale-weather N=2
make scale-itinerary N=3

Scale catalog services

make scale-catalog N=3 # Both API and UI
make scale-catalog-api N=3 # API only
make scale-catalog-ui N=3 # UI only

Or scale all services at once

make scale-all N=3


### 监测

- **目录用户界面(Catalog UI)**http://localhost:8080(或 `make ui-catalog`) - 浏览所有服务及示例
- **HAProxy 统计信息**http://localhost:8404(或 `make ui-haproxy`) - 负载均衡器仪表板
- **Consul 服务注册表**http://localhost:8500(或者 `make ui-consul`) - 服务发现
- **服务健康状况**: `make consul-check`
- **服务状态**: `make status`

### 管理命令```bash
# Show status of all router instances
./scripts/manage_routers.sh status

# Check health of all services
./scripts/manage_routers.sh health

# View logs from all routers
./scripts/manage_routers.sh logs

# Open HAProxy dashboard
./scripts/manage_routers.sh haproxy

# Open Consul UI
./scripts/manage_routers.sh consul

如需详细信息,见:

📖 使用方法

> 注所有客户端都通过 MCP 路由器 (端口50051),负责服务发现和后端服务的路由。

会话ID支持(新增!)

所有服务现已支持 会话ID 用于上下文恢复和在多个请求之间保持对话状态:```python
import uuid

Generate a session ID (use same ID for related requests)

session_id = str(uuid.uuid4())

Include session_id in your requests

request = agent_platform_pb2.TaskRequest(
task_id=str(uuid.uuid4()),
agent_id='echo-agent',
input='Remember this context',
parameters={'key': 'value'},
session_id=session_id # NEW: Session ID for context recovery
)

Response includes the session_id for correlation

response = stub.ExecuteTask(request)
print(f"Session ID: {response.session_id}")

Use same session_id in follow-up requests to maintain context

request2 = agent_platform_pb2.TaskRequest(
task_id=str(uuid.uuid4()),
agent_id='echo-agent',
input='Do you remember?',
session_id=session_id # Same session ID
)


启用会话ID:

- 🧠 表示“大脑”或“思考”。 **上下文记忆** - 代理记住之前的交互
- 📊 表格/数据图表 **会话跟踪** - 监控用户会话
- 💾 代表“软盘”或“存储设备” **国家恢复** - 从中断中恢复

### 使用Echo代理```python
import grpc
import agent_platform_pb2
import agent_platform_pb2_grpc
import uuid

# Connect through MCP Router (NOT directly to agent!)
channel = grpc.insecure_channel('localhost:50051')
stub = agent_platform_pb2_grpc.AgentServiceStub(channel)

# Execute a task
task_id = str(uuid.uuid4())
request = agent_platform_pb2.TaskRequest(
task_id=task_id,
agent_id='echo-agent',
input='Hello, World!',
parameters={'key': 'value'}
)

response = stub.ExecuteTask(request)
print(f"Success: {response.success}")
print(f"Output: {response.output}")

# Get agent status
status_request = agent_platform_pb2.StatusRequest(agent_id='echo-agent')
status = stub.GetStatus(status_request)
print(f"Status: {status.status}")
print(f"Active tasks: {status.active_tasks}")

使用天气工具```python

import grpc
import agent_platform_pb2
import agent_platform_pb2_grpc

Connect through MCP Router

channel = grpc.insecure_channel('localhost:50051')
stub = agent_platform_pb2_grpc.ToolServiceStub(channel)

Get weather

request = agent_platform_pb2.ToolRequest(
tool_id='weather-tool',
operation='get_weather',
parameters={'location': 'Paris'}
)

response = stub.ExecuteTool(request)
print(response.result)

Get forecast

forecast_request = agent_platform_pb2.ToolRequest(
tool_id='weather-tool',
operation='get_forecast',
parameters={'location': 'Tokyo', 'days': '5'}
)

forecast_response = stub.ExecuteTool(forecast_request)
print(forecast_response.result)


### 使用行程任务工作者```python
import grpc
import agent_platform_pb2
import agent_platform_pb2_grpc
import uuid

# Connect through MCP Router
channel = grpc.insecure_channel('localhost:50051')
stub = agent_platform_pb2_grpc.TaskWorkerStub(channel)

# Plan an itinerary
task_id = str(uuid.uuid4())
request = agent_platform_pb2.TaskRequest(
task_id=task_id,
agent_id='itinerary-worker',
input='Plan a vacation',
parameters={
'destination': 'Paris',
'days': '3',
'interests': 'culture,food,history'
}
)

response = stub.ProcessTask(request)
print(f"Success: {response.success}")
print(f"Itinerary:\n{response.output}")

🔧 开发

项目结构```

agent-platform-server/
├── proto/ # Protocol Buffer definitions
│ └── agent_platform.proto
├── mcp-router/ # MCP Router service
│ ├── app.py
│ ├── Dockerfile
│ └── requirements.txt
├── mcp-server/ # MCP Server (Cursor integration)
│ ├── server.py
│ ├── Dockerfile
│ └── requirements.txt
├── catalog-api/ # Catalog API backend
│ ├── app.py
│ ├── Dockerfile
│ ├── requirements.txt
│ ├── README.md
│ └── SCALING.md
├── catalog-ui/ # Catalog UI frontend
│ ├── src/
│ │ ├── App.jsx
│ │ └── App.css
│ ├── Dockerfile
│ ├── nginx.conf
│ ├── docker-entrypoint.sh
│ └── register_consul.py
├── agents/
│ └── echo/ # Echo Agent
│ ├── server.py
│ ├── Dockerfile
│ └── requirements.txt
├── tools/
│ └── weather-tool/ # Weather Tool
│ ├── server.py
│ ├── Dockerfile
│ └── requirements.txt
├── tasks/
│ └── itinerary-task/ # Itinerary Worker
│ ├── worker.py
│ ├── Dockerfile
│ └── requirements.txt
├── haproxy/ # Load balancer
│ ├── haproxy.cfg
│ └── Dockerfile
├── scripts/ # Utility scripts
│ ├── setup.sh
│ ├── compile_proto.sh
│ └── test_client.py
├── docs/ # Documentation
├── docker-compose.yml
├── requirements.txt
├── Makefile
└── README.md


### 添加新代理

1. **创建代理目录**```bash
mkdir -p agents/my-agent
  1. 创建 server.py 文件```python

Implement AgentService interface from proto

class MyAgentService:
def ExecuteTask(self, request, context):

Your agent logic here

pass


3. **创建 Dockerfile**```dockerfile
FROM python:3.11-slim
# ... (follow pattern from echo agent)
  1. 添加到 docker-compose.yml 文件中```yaml
    my-agent:
    build:
    context: .
    dockerfile: agents/my-agent/Dockerfile

... (follow pattern from other services)


### 添加新工具

遵循与代理相同的模式,但实施 `ToolService` 接口。

### 编译Proto文件

修改后 `agent_platform.proto`:```bash
bash scripts/compile_proto.sh

这会产生:

  • agent_platform_pb2.py - 消息定义
  • agent_platform_pb2_grpc.py - 服务存根

🧪 测试

运行所有测试```bash

python scripts/test_client.py


### 测试单个服务```bash
# Test Echo Agent
python scripts/test_client.py --service echo

# View logs
docker-compose logs echo-agent

# Check service health in Consul
open http://localhost:8500

🔍 监控

Consul 用户界面

访问Consul用户界面以监控服务健康状况和注册情况:```
http://localhost:8500


### HAProxy 统计仪表盘

监控负载均衡器性能和后端系统健康状况:```
http://localhost:8404

服务日志```bash

All services

docker-compose logs -f

Specific services

docker-compose logs -f mcp-router
docker-compose logs -f echo-agent
docker-compose logs -f weather-tool
docker-compose logs -f itinerary-worker
docker-compose logs -f haproxy

Using Makefile

make logs # All services
make router-logs # MCP Router only
make haproxy-logs # HAProxy only
make consul-logs # Consul only


### 检查服务状态```bash
# List running services
docker-compose ps

# Check health via Consul
docker-compose exec consul consul members

# Check all services in Consul
make check-consul

# Check router instances
./scripts/manage_routers.sh status

📈 扩展/放大

代理平台支持 水平扩展(或横向扩展) 所有服务均支持自动服务发现和负载均衡。可扩展以应对增加的负载、提高可用性或分配工作负载。

快速缩放命令```bash

Scale MCP Router (with HAProxy load balancing)

make scale-router N=3
./scripts/manage_routers.sh scale 3

Scale individual services

make scale-echo N=3 # Echo Agent
make scale-weather N=5 # Weather Tool
make scale-itinerary N=2 # Itinerary Worker

Scale all services to 3 instances

make scale-all N=3

Scale down to 1 instance each

make scale-down

Check all services registered in Consul

make check-consul


### 缩放的工作原理

- **自动服务发现**每个实例使用唯一ID在Consul中进行注册
- **负载均衡**:
- MCP 路由器:HAProxy 在路由器实例之间分配请求
- 其他服务:基于Consul的服务发现用于负载分配
- **健康监测**不健康的实例会自动从轮询中移除
- **动态端口**Docker分配唯一的主机端口以避免冲突
- **零停机时间**在不中断服务的情况下添加或移除实例

### 示例:生产规模调整```bash
# Start services
docker-compose up -d

# Scale MCP Router for high availability
make scale-router N=3

# Scale agents and workers based on load
make scale-echo N=3
make scale-weather N=2
make scale-itinerary N=3

# Verify all instances are registered
make check-consul

# Monitor status
docker-compose ps
./scripts/manage_routers.sh status

架构优势

✅ 高可用性 - 实例故障时服务继续运行\
✅ 负载分配 - 请求分布在多个实例上\
✅ 易于扩展 - 一条命令即可实现扩容或缩容\
✅ 自动发现 - 新实例自动加入\
✅ 健康检查 - 失败的实例被自动移除

📘 如需详细的扩展信息,请参阅:

🎯 Cursor 集成开发环境 (IDE)

新 通过模型上下文协议(MCP)在Cursor IDE中直接使用您平台的代理和工具:```bash

MCP Server runs automatically with the platform

make up

Configure Cursor (Settings → MCP Servers)

{
"mcpServers": {
"agent-platform": {
"url": "http://localhost:3000/sse",
"transport": "sse"
}
}
}

Then ask in Cursor: "What's the weather in Tokyo?"


Cursor现在可以:

- ✅ 直接从聊天中调用工具(天气工具)
- ✅(对号,表示正确、同意或确认) **将代理和工作者作为可调用的工具执行**
- ✅ 将代理和工作人员作为资源进行访问
- ✅ 自动发现所有平台功能
- ✅ **查看全面的元数据** (详细描述、使用场景、返回格式)
- ✅ 使用SSE传输(基于HTTP,易于调试)
- ✅ 通过HAProxy进行负载均衡(可扩展,与 `make scale-mcp N=3`)
- ✅ 通过Consul进行监控(可在http://localhost:8500查看)

## 🔍 查询可用服务

了解您的平台上可用的代理、工具和工作人员:```bash
# Query all services
make mcp-query

# Query specific service types
make mcp-query-agents       # List all agents
make mcp-query-tools        # List all tools
make mcp-query-workers      # List all workers

# Get JSON output (useful for scripting)
make mcp-query-json

# Or use the script directly
python scripts/query_mcp.py all
python scripts/query_mcp.py agents --json

示例输出:```

AGENTS

📦 Echo Agent
ID: echo-agent
Description: Echo agent service
Endpoint: container:50052
Capabilities: agent, echo, text-processing

======================================================================
TOOLS
======================================================================

🛠️ Weather Tool
ID: weather-tool
Description: Provides weather information and forecasts
Endpoint: container:50053
Parameters:
- location (string, required): City or location name
- days (integer, optional): Number of days for forecast


## 🛠️ 常用命令

### 基本命令```bash
# Service Management
make up                     # Start all services
make down                   # Stop all services
make restart                # Restart all services
make status                 # Show service status

# Service Discovery
make mcp-query              # Query all available services
make mcp-query-agents       # List agents
make mcp-query-tools        # List tools
make mcp-query-workers      # List workers

# Web Interfaces
make ui-catalog             # Open Catalog UI (service browser)
make ui-consul              # Open Consul UI
make ui-haproxy             # Open HAProxy stats

# Monitoring
make logs                   # Stream all logs
make logs-router            # View MCP Router logs
make logs-echo              # View Echo Agent logs
make logs-catalog-api       # View Catalog API logs
make logs-catalog-ui        # View Catalog UI logs

# Testing
make test                   # Run test suite

# Consul Operations
make consul-check           # Check registered services
make consul-cleanup         # Clean up stale registrations
make consul-purge           # Nuclear: delete all Consul data

# Scaling
make scale-router N=3       # Scale router to 3 instances
make scale-catalog N=3      # Scale catalog services to 3
make scale-catalog-api N=3  # Scale catalog API to 3
make scale-catalog-ui N=3   # Scale catalog UI to 3
make scale-all N=3          # Scale all services to 3
make scale-down             # Scale back to 1 instance

# Catalog Services
make catalog-build          # Build catalog services
make catalog-up             # Start catalog services
make catalog-restart        # Restart catalog services

# Development
make proto-compile          # Compile protocol buffers
make rebuild                # Full rebuild
make clean                  # Clean up everything

🧹 Consul 维护

随着时间的推移,Consul 可能会积累一些过时的服务注册信息(例如,开发过程中因容器重启而产生的)。

检查服务注册表```bash

View all registered services and their health

make consul-check


### 清理过时服务```bash
# Remove only unhealthy/stale registrations (safe)
make consul-cleanup

# Or use the cleanup script directly
./scripts/cleanup_consul.sh stale

完全重置(如需)```bash

WARNING: This removes ALL Consul data!

make consul-purge

Services will automatically re-register when restarted

make restart


如需更多详细信息,请参阅清理脚本: `scripts/cleanup_consul.sh`

## 🐛 故障排除

### 原型编译错误```bash
make proto-compile
# Or manually:
pip install grpcio-tools==1.60.0
bash scripts/compile_proto.sh

服务无法启动```bash

Check logs

make logs-router # or logs-echo, logs-weather, etc.

Check status

make status

Restart specific service

docker-compose restart mcp-router

Rebuild and restart

docker-compose up -d --build [service-name]


### 领事连接问题```bash
# Restart Consul
docker-compose restart consul

# Wait for Consul to be healthy
docker-compose ps consul

端口冲突

编辑 .env 更改端口的文件:```bash

Change ports if needed

MCP_ROUTER_PORT=50051
AGENT_PORT=50052
TOOL_PORT=50053
WORKER_PORT=50054


## 📚 API参考

### gRPC 服务

#### AgentService(代理服务)

- `ExecuteTask(TaskRequest) -> TaskResponse` - 执行任务
- `StreamTask(TaskRequest) -> stream TaskChunk` - 流任务执行
- `GetStatus(StatusRequest) -> StatusResponse` - 获取代理状态
- `RegisterAgent(AgentInfo) -> RegistrationResponse` - 注册代理

#### 工具服务

- `ExecuteTool(ToolRequest) -> ToolResponse` - 执行工具操作
- `ListTools(ListToolsRequest) -> ListToolsResponse` - 列出可用工具
- `RegisterTool(ToolInfo) -> RegistrationResponse` - 注册工具

#### 任务工作者(或任务工人)

- `ProcessTask(TaskRequest) -> TaskResponse` - 处理一项任务
- `GetTaskStatus(TaskStatusRequest) -> TaskStatusResponse` - 获取任务状态

## 🚢 部署

### Docker Compose(生产环境)```bash
# Start all services
docker-compose up -d

# Scale MCP Router for high availability (recommended: 3-5 instances)
docker-compose up -d --scale mcp-router=3

# Scale agents and workers based on load
docker-compose up -d --scale echo-agent=3 --scale weather-tool=2 --scale itinerary-worker=3

# Or use convenient Makefile commands
make scale-all N=3

生产部署建议

最低高可用性设置:```bash
make scale-router N=3 # 3 router instances
make scale-echo N=2 # 2 agent instances
make scale-weather N=2 # 2 tool instances
make scale-itinerary N=2 # 2 worker instances


**高负载设置**:```bash
make scale-router N=5      # 5 router instances
make scale-echo N=5        # 5 agent instances
make scale-weather N=3     # 3 tool instances
make scale-itinerary N=5   # 5 worker instances

环境变量

创建一个 .env 基于文件的 .env.example 用于配置:```bash

Copy example

cp .env.example .env

Edit as needed

vim .env
```

生产中的监控

  • 在HAProxy指标上设置警报:http://localhost:8404
  • 监控 Consul 健康检查:http://localhost:8500
  • 使用ELK堆栈或类似工具聚合日志
  • 使用 Prometheus + Grafana 进行指标监控(参见未来增强功能)

🤝 贡献

  1. 为你的功能创建一个新分支
  2. 实施您的更改
  3. 为新功能添加测试
  4. 更新文档
  5. 提交拉取请求

📝 许可证

此项目仅作为教育和开发用途提供,按现状交付。

🔗 资源

文档

📚 书籍 完整文档索引 - 所有文件均已整理在 docs/ 文件夹

入门指南:

建筑:

  • 《架构概览》.md(或译为:《架构总览》.md) - 文档导航指南

集成:

扩展与运营:

功能与指南:

  • 《去重指南》.md - 新 自动服务去重
  • MCP服务发现说明文件(或:MCP服务发现文档) - 服务发现指南

示例:

  • 示例/README.md - 代码示例

外部资源

  • gRPC 文档
  • Protocol Buffers(协议缓冲区)
  • 领事文件
  • HAProxy 文档
  • Docker 文档

💡 下一步行动

扩展平台

  1. 添加身份验证 - 为服务实现基于令牌的身份验证
  2. 添加持久性 - 将任务结果存储在数据库中
  3. 添加监控 - 集成Prometheus/Grafana
  4. 添加消息队列 - 使用RabbitMQ或Kafka进行异步任务处理
  5. 添加API网关 gRPC服务的REST API封装器
  6. 添加真实人工智能 - 集成OpenAI、Anthropic或本地大型语言模型(LLMs)
  7. 添加更多工具 数据库工具、API客户端等。
  8. 添加代理编排 - 多智能体协作

生产考量因素

  • 添加TLS/SSL以实现安全通信
  • 实施适当的认证和授权机制
  • 添加速率限制和请求限流
  • 设置集中式日志记录(ELK、Loki)
  • 实现分布式追踪(使用Jaeger、Zipkin)
  • 添加备份和灾难恢复
  • 配置水平Pod自动扩展
  • 设置持续集成/持续部署(CI/CD)流水线

用Python、gRPC和Consul用心构建

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Deep Thought Platform 怎么安装?

在客户端按下面的安装命令接入:python scripts/test_client.py。装完在客户端配置里引用同一个包或端点。

Deep Thought Platform 怎么在 Cursor 里配置?

它的传输方式是stdio · 本地进程,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,配置才会生效。

Deep Thought Platform 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。

Deep Thought Platform 需要 API Key 吗?

资料标注需要会话登录认证,使用前准备好对应凭据,并按最小权限配置。

Deep Thought Platform 支持哪些客户端?

资料标注支持 Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Deep Thought Platform 能提供哪些能力?

资料显示约 1 个工具;能力标签包括 分布式系统、Python、Cursor。具体工具清单以官方文档为准。

Deep Thought Platform 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。

Deep Thought Platform 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。