MCP Framework Demo

MCPAI代理

提供方 Spartan-TA

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

演示如何通过单个MCP服务器为AutoGen、Semantic Kernel和Microsoft Agent Framework三种不同的AI编排框架提供统一工具接口。

一句话选型结论

按资料字段整理

MCP Framework Demo 属于AI代理类 MCP 服务器,stdio · 本地进程,API Key,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API Key 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编排Python本地部署多框架支持工具接口数据库操作生产就绪

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
python server.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API Key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
MCP Framework Demo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Spartan-TA上游标注的维护方 Spartan-TA
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API Key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

8.4 KB
来自项目仓库与上游目录的原文,未做删改

MCP框架演示:一台服务器,三个框架

一个10分钟的现场编码演示,展示了如何使用一个单一的MCP(模型上下文协议)服务器,被三个不同的AI编排框架所利用:AutoGen、Semantic Kernel(语义内核)和Microsoft Agent Framework(MAF,微软代理框架)。

🎯 项目目的

一次编写,随处可用。 这个演示证明,MCP提供了一个通用的工具接口,该接口能够在不同的AI编排框架之间无缝工作,无需对服务器进行任何修改。

  • 一个MCP服务器将数据库操作暴露为标准化工具
  • 三个框架AutoGen、Semantic Kernel 和 MAF 使用相同的工具
  • 不同的哲学观每个框架都展示了其独特的编排方法

🏗️ 建筑学```

┌─────────────────────────────────────────────────────────┐
│ MCP Server (stdio) │
│ │
│ Tools: │
│ • query_tasks → Get all tasks from SQLite DB │
│ • update_task → Update task status │
│ │
└────────────────────┬────────────────────────────────────┘
│
┌────────────┼────────────┐
│ │ │
▼ ▼ ▼
┌─────────┐ ┌─────────┐ ┌─────────┐
│ AutoGen │ │ SK │ │ MAF │
└─────────┘ └─────────┘ └─────────┘

Multi-Agent Planning Unified +
Conversation Decomp. Checkpoints


## 📋 前提条件

- **Python 3.10+(或“Python 3.10及以上版本”)** (推荐使用 Python 3.11+)
- **Anthropic API密钥** (致克劳德·莎士比亚十四行诗第4首)
- **SQLite3** (通常预装在 macOS/Linux 上)

## 🚀 快速入门

### 1. 克隆并设置```bash
# Clone the repository
cd mcp-framework-demo

# Run setup script (will prompt for API key)
chmod +x setup.sh
./setup.sh

# The script will:
# - Create virtual environment
# - Install dependencies
# - Set up database
# - Prompt for Anthropic API key (stored in .env)

# Activate virtual environment
source venv/bin/activate

注如果在设置过程中跳过输入API密钥,您可以手动将其添加到 .env 文件:```bash

Get your key from: https://console.anthropic.com/settings/keys

ANTHROPIC_API_KEY=sk-ant-your-actual-key-here


### 2. 启动MCP服务器

在 **第一航站楼**:```bash
cd 01-mcp-server
python server.py

服务器静默运行,等待stdio连接。

3. 运行框架演示

AutoGen 演示(航站楼2)```bash

cd 02-autogen
python demo.py


**它所展示的**对话式多智能体协同。一个任务规划器(TaskPlanner)智能体分析数据库并提出更新建议,而一个执行器(Executor)智能体则执行这些操作。

#### 语义内核演示(3号航站楼)```bash
cd 03-semantic-kernel
python demo.py

它所显示的确定性规划与步骤分解。SK的规划器将目标分解为一系列顺序步骤,并以可预测的方式执行它们。

MAF 试运行(4号航站楼)```bash

cd 04-maf
python demo.py


**它所显示的**统一的方法结合对话与规划,加上生产级别的检查点机制以确保持久性和恢复能力。

## 📊 演示时间线

| 时间 | 组成部分 | 重点 |
|------|-----------|-------|
| 0:00 - 2:30 | MCP 服务器 | 打好基础,展示工具 |
| 2:30 - 5:00 | AutoGen | 多智能体对话 |
| 5:00 - 7:30 | 语义内核 | 确定性规划 |
| 7:30 - 10:00 | MAF | 收敛 + 检查点设置 |

## 🔍 每个框架所展示的内容

### AutoGen:对话式编排

- **模式**多个专用代理(任务规划器+执行器)
- **沟通**轮流对话
- **优势**通过智能体协作实现灵活、创造性的问题解决
- **用例**需要谈判和授权的复杂情境

**任务**“审查所有待处理任务,并将API部署标记为进行中”

### 语义核:规划与分解

- **模式**单步骤执行规划器
- **交流**确定性计划创建 → 顺序执行
- **优势**可预测、可审计的工作流程,步骤清晰
- **用例**需要可靠性和可审计性的企业场景

**任务**“获取所有待处理任务,然后将任务1更新为‘已完成’”

### MAF:具有持久性的统一框架

- **模式;图案**将AutoGen的智能体与增强的编排功能相结合
- **沟通**灵活(既适用于对话也适用于规划)
- **优势**生产就绪的检查点机制、暂停/恢复、容错能力
- **用例**长期运行的工作流、人工参与的审批流程、分布式系统

**任务**“将所有待办任务标记为进行中”

## 🎓 重点总结

1. **通用工具接口**MCP 提供了一种可在不同框架间通用的标准协议
1. **无需服务器修改**相同 `server.py` 支持所有三个框架
1. **框架专业化**每个框架都具有独特的编排优势
1. **生产就绪**MAF在统一模型的基础上增加了企业功能(检查点机制、持久性)
1. **开发者之选**选择符合您编排需求的框架

## 📁 项目结构```
mcp-framework-demo/
├── .github/instructions/          # Detailed implementation guides
├── 01-mcp-server/
│   ├── server.py                  # MCP server (stdio protocol)
│   └── seed.sql                   # Database seed data
├── 02-autogen/
│   ├── demo.py                    # AutoGen multi-agent demo
│   └── expected_output.txt        # Sample output
├── 03-semantic-kernel/
│   ├── demo.py                    # Semantic Kernel planning demo
│   └── expected_output.txt        # Sample output
├── 04-maf/
│   ├── demo.py                    # MAF convergence demo
│   └── expected_output.txt        # Sample output
├── requirements.txt               # Python dependencies
├── setup.sh                       # Setup script
├── .env.example                   # Environment template
├── .gitignore                     # Git exclusions
└── README.md                      # This file

🧪 测试与验证

验证MCP服务器```bash

Check database

sqlite3 01-mcp-server/tasks.db "SELECT * FROM tasks"

Inspect MCP tools (requires mcp CLI)

mcp inspect stdio python 01-mcp-server/server.py


### 预期的数据库状态

**使用AutoGen之后**任务1 → `in-progress`\
**在语义核之后**任务1 → `completed`\
**在MAF之后**任务2 → `in-progress`

### 验证MAF检查点```bash
# Check checkpoint file was created
cat 04-maf/checkpoints/demo-run-1.json

🔗 框架文档

  • AutoGenhttps://microsoft.github.io/autogen/(中文可表述为:“微软GitHub上的Autogen项目页面”)
  • Microsoft Agent 框架https://github.com/microsoft/autogen(MAF 文档)

🛠️ 故障排除

“ModuleNotFoundError: 没有名为 'mcp' 的模块”

确保您已激活虚拟环境并安装了依赖项:```bash
source venv/bin/activate
pip install -r requirements.txt


### ANTHROPIC_API_KEY 未设置

创建一个 `.env` 从模板中获取文件并添加您的API密钥:```bash
cp .env.example .env
# Edit .env and add your key

macOS上的SSL证书错误

如果您遇到SSL证书验证错误,演示中包含一种解决方法:python ssl._create_default_https_context = ssl._create_unverified_context

这仅用于演示目的,不应在生产代码中使用。此问题通常是由于 macOS 上的 Python 无法找到系统证书所引起的。

“数据库被锁定”或连接错误

确保只有一个MCP服务器实例在运行。数据库支持并发读取,但可能在多个写入器的情况下出现问题。

框架演示卡住或没有输出

在另一个终端中验证MCP服务器是否正在运行。框架通过stdio与服务器进程进行通信。

📝 许可证

这是一个用于教育目的的演示项目。

🙏 致谢

该系统旨在展示模型上下文协议(Model Context Protocol)的强大功能以及现代人工智能框架的不同编排方法。

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
MCP Framework Demo 怎么安装?

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

MCP Framework Demo 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。

MCP Framework Demo 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。

MCP Framework Demo 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

MCP Framework Demo 能提供哪些能力?

资料显示能力标签包括 Python、生产就绪、AI代理。具体工具清单以官方文档为准。

MCP Framework Demo 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。

MCP Framework Demo 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。