Speelka Agent MCP

MCPAI代理

提供方 korchasa

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude

基于Model Context Protocol (MCP)的通用LLM代理工具,支持外部工具集成、灵活配置和可扩展日志管理,适用于多代理编排和复杂任务处理。

一句话选型结论

按资料字段整理

Speelka Agent MCP 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude,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stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 4 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

支持客户端

适用场景

LLM代理Go本地部署多代理编排外部工具集成灵活配置可扩展日志

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
  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,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

  • 已适配 Claude,换客户端不用重新研究配置。
  • 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。
  • 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。
  • 已经在用 Claude 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。
  • 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
Speelka Agent MCP当前 未标注 stdio · 本地进程 本地部署 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korchasa上游标注的维护方 korchasa
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 · 未标注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

14.2 KB
来自项目仓库与上游目录的原文,未做删改

游戏代理

基于模型上下文协议(MCP)的通用LLM代理,支持外部工具、灵活配置和可扩展日志记录。

主要特点

  • 多代理编排:支持来自其他MCP服务器的工具。
  • 灵活配置:YAML、JSON、环境变量、覆盖和基于属性的覆盖。
  • 可扩展日志记录:集中式LogConfig,输出到stdout、stderr、文件、MCP协议、自定义/json/text格式。
  • 安全:密钥隔离、日志保护、工具访问控制。
  • 测试:黄金系列化测试、基于属性的覆盖、单元/集成/E2E。
  • 可扩展性:HTTP和stdio支持,动态工具/会话管理。

建筑

  • 所有组件均由接口驱动、经过测试,并遵循单一职责。
  • 看 文档/架构.md 了解详情。

示例配置(YAML)```yaml

runtime:
log:
defaultLevel: info
output: ':mcp:'
format: json
transports:
stdio:
enabled: true
buffer_size: 1024
http:
enabled: false
host: localhost
port: 3000
agent:
name: "speelka-agent"
version: "v1.0.0"
tool:
name: "process"
description: "Process tool for user queries"
argument_name: "input"
argument_description: "User query"
chat:
max_tokens: 0
max_llm_iterations: 25
request_budget: 0.0
llm:
provider: "openai"
apiKey: "dummy-api-key"
model: "gpt-4o"
temperature: 0.7
promptTemplate: "You are a helpful assistant. {{input}}. Available tools: {{tools}}"
retry:
max_retries: 3
initial_backoff: 1.0
max_backoff: 30.0
backoff_multiplier: 2.0
connections:
mcpServers:
time:
command: "docker"
args: ["run", "-i", "--rm", "mcp/time"]
timeout: 10
filesystem:
command: "mcp-filesystem-server"
args: ["/path/to/directory"]
retry:
max_retries: 2
initial_backoff: 1.5
max_backoff: 10.0
backoff_multiplier: 2.5


## 日志记录

- 通过LogConfig管理:级别、格式、输出(stdout、stderr、文件、MCP)。
- MCP日志可通过协议或回退到stderr(用于stdio服务器)。
- 格式:自定义、json、文本、未知。
- 看 文档/架构.md 和 文件/实施.md 了解详情。

## 测试

- 单元,集成,E2E。
- 基于属性的覆盖测试(边缘情况、地图合并、零值保存)。
- 测试示例: 文件/实施.md.

## 项目结构

- 看 documents/file_structure.md 了解详情。
- 关键目录:内部/代理、内部/记录器、内部/mcp_connector、内部/类型。

## 快速开始

1. 克隆存储库并构建代理:```bash
git clone https://github.com/korchasa/speelka-agent-go.git
cd speelka-agent-go
go build ./cmd/server
  1. 准备一个配置(见上面的示例)或使用环境变量(SPL_…)。
  2. 运行代理:
    - HTTP模式: ./speelka-agent --daemon [--config config.yaml]
    - CLI/stdio: ./speelka-agent [--config config.yaml]

文档

  • 架构: 文档/架构.md
  • 实施和测试: 文件/实施.md
  • 文件结构: documents/file_structure.md
  • 外部资源: documents/remote_resources.md

有关叠加、MCP日志、测试和结构详细信息,请参阅documents/文件夹中的文档。```mermaid
flowchart TB
User["Any MCP Client"] --> |"1.Request"| Agent["Speelka Agent"]
Agent --> |"2.Format prompt"| LLM["LLM Service"]
LLM --> |"3.Tool calls"| Agent
Agent --> |"4.Execute tools"| Tools["External MCP Tools"]
Tools --> |"5.Return results"| Agent
Agent --> |"6.Process repeat"| LLM
Agent --> |"7.Final answer"| User


## 用例

- 通过将大型复杂指令拆分为专门、专注的任务来提高准确性。
- 通过为不同的任务部件使用不同的型号来降低成本。
- 扩展、缩小或修改第三方MCP服务器响应。
- 在“真实”和基于LLM的工具实现之间轻松切换。
- 通过限制MCP服务器中的可用工具来限制功能。
- 在单个会话中跨多个MCP工具编排多步骤工作流。
- 强制执行每个请求的令牌和成本预算,以实现可预测的使用。
- 临时LLM或MCP服务器错误的自动重试和指数回退。
- 通过统一配置在LLM服务(OpenAI、Anthropic)之间无缝切换提供者。

## 主要特点

- **精确的代理定义**:通过即时工程定义代理行为
- **客户端上下文优化**:减小上下文大小以实现有效的令牌使用
- **LLM灵活性**:在客户端和代理端使用不同的LLM提供商
- **集中工具管理**:所有工具的单一控制点
- **多种集成选项**:MCP stdio、MCP HTTP、简单HTTP API
- **结构可靠性**:瞬态故障的重试机制
- **可扩展性**:在不更改客户端的情况下扩展系统行为
- **MCP感知日志记录**:带MCP通知的结构化日志记录
- **许可证管理**:自动令牌计数
- **灵活的配置**:环境变量、YAML、JSON
- **LLMS服务。发送请求** 返回a `LLMResponse` 结构体:
- 响应文本
- 工具调用列表
- 完成令牌、提示令牌、推理令牌、总令牌(令牌使用)
- **接口**: `SendRequest(ctx, messages, tools) (LLMResponse, error)`

## 入门指南

### 先决条件

- 上涨1.19或更高
- API LLM证书(OpenAI或Anthropic)
- 外部MCP工具(可选)

### 安装```bash
git clone https://github.com/korchasa/speelka-agent-go.git
cd speelka-agent-go
go build ./cmd/server

配置

可以使用YAML、JSON或环境变量提供配置。

> 注: 这 ./examples 目录已弃用。使用示例 ./site/examples 相反。

示例配置文件位于 site/examples:

  • site/examples/minimal.yaml:基本代理配置(YAML)
  • site/examples/ai-news.yaml:AI新闻代理配置(YAML)
  • site/examples/architect.yaml:架构师代理配置(YAML)

简单的YAML配置示例:```yaml
agent:
name: "simple-speelka-agent"
version: "1.0.0"
tool:
name: "process"
description: "Process tool for handling user queries with LLM"
argument_name: "input"
argument_description: "The user query to process"
llm:
provider: "openai"
apiKey: "" # Set via environment variable for security
model: "gpt-4o"
temperature: 0.7
promptTemplate: "You are a helpful AI assistant. Respond to the following request: {{input}}. Provide a detailed and helpful response. Available tools: {{tools}}"
chat:
max_tokens: 0
max_llm_iterations: 25
request_budget: 0.0
connections:
mcpServers:
time:
command: "docker"
args: ["run", "-i", "--rm", "mcp/time"]
includeTools:
- now
- utc
filesystem:
command: "mcp-filesystem-server"
args: ["/path/to/directory"]
excludeTools:
- delete
runtime:
log:
level: "info"
transports:
stdio:
enabled: true


#### 使用环境变量

所有环境变量都以前缀 `SPL_`:

|环境变量|默认值|说明|
|-------------------------------------|---------------|--------------------------------------------------------------------------------------------------------------------|
| **代理配置** |               |                                                                                                                    |
| `SPL_AGENT_NAME` | *必需* |代理人姓名|
| `SPL_AGENT_VERSION` |“1.0.0”|代理的版本|
| **工具配置** |               |                                                                                                                    |
| `SPL_AGENT_TOOL_NAME` | *必需* |代理商提供的工具名称|
| `SPL_AGENT_TOOL_DESCRIPTION` | *必需* |工具功能说明|
| `SPL_AGENT_TOOL_ARGUMENT_NAME` | *必需* |工具的参数名称|
| `SPL_AGENT_TOOL_ARGUMENT_DESCRIPTION` | *必需* |工具参数的描述|
| **LLM配置** |               |                                                                                                                    |
| `SPL_AGENT_LLM_PROVIDER` | *必需* |法学硕士服务提供商(例如“openai”、“anthropic”)|
| `SPL_AGENT_LLM_APIKEY` | *必需* |LLM提供程序的API密钥|
| `SPL_AGENT_LLM_MODEL` | *必需* |型号名称(例如“gpt-4o”、“claude-3-opus-20240229”)|
| `SPL_AGENT_LLM_MAX_TOKENS` |0|要生成的最大令牌数(0表示没有限制)|
| `SPL_AGENT_LLM_TEMPERATURE` |0.7 |发电随机性温度参数|
| `SPL_AGENT_LLM_PROMPTTEMPLATE` | *必需* |系统提示模板(必须包括与 `SPL_AGENT_TOOL_ARGUMENTNAME` 价值和 `{{tools}}`) |
| **聊天配置** |               |                                                                                                                    |
| `SPL_AGENT_CHAT_MAX_LLM_ITERATIONS` |100 | LLM迭代的最大次数|
| `SPL_AGENT_CHAT_MAX_TOKENS` |0|聊天历史中的最大令牌数(0表示基于模型)|
| `SPL_AGENT_CHAT_REQUEST_BUDGET` |1.0|每次请求的最大成本(美元或等值代币)(0=无限制)|
| **LLM重试配置** |               |                                                                                                                    |
| `SPL_AGENT_LLM_RETRY_MAX_RETRIES` |3| LLM API调用的最大重试次数|
| `SPL_AGENT_LLM_RETRY_INITIAL_BACKOFF` |1.0|初始回退时间(秒)|
| `SPL_AGENT_LLM_RETRY_MAX_BACKOFF` |30.0|最大退避时间(秒)|
| `SPL_AGENT_LLM_RETRY_BACKOFF_MULTIPLIER` |2.0 |增加退避时间的倍数|
| **MCP服务器配置** |               |                                                                                                                    |
| `SPL_AGENT_CONNECTIONS_MCPSERVERS_0_ID` |“”|第一台MCP服务器的标识符|
| `SPL_AGENT_CONNECTIONS_MCPSERVERS_0_COMMAND` |“”|要为第一台服务器执行的命令|
| `SPL_AGENT_CONNECTIONS_MCPSERVERS_0_ARGS` |“”|命令参数为空格分隔字符串|
| `SPL_AGENT_CONNECTIONS_MCPSERVERS_0_ENV_*` |“”|服务器的环境变量(前缀为 `SPL_AGENT_CONNECTIONS_MCPSERVERS_0_ENV_`)                                               |
| `SPL_AGENT_CONNECTIONS_MCPSERVERS_1_ID`等等。|“”|其他服务器的配置(增量索引)|
| **MCP重试配置** |               |                                                                                                                    |
| `SPL_AGENT_CONNECTIONS_RETRY_MAX_RETRIES` |3|MCP服务器连接的最大重试次数|
| `SPL_AGENT_CONNECTIONS_RETRY_INITIAL_BACKOFF` |1.0|初始回退时间(秒)|
| `SPL_AGENT_CONNECTIONS_RETRY_MAX_BACKOFF` |30.0|最大退避时间(秒)|
| `SPL_AGENT_CONNECTIONS_RETRY_BACKOFF_MULTIPLIER` |2.0 |增加退避时间的倍数|
| **运行时配置** |               |                                                                                                                    |
| `SPL_RUNTIME_LOG_DEFAULTLEVEL` |“info”|记录默认级别(调试、信息、警告、错误)|
| `SPL_RUNTIME_LOG_OUTPUT` |“:stderr:”|日志输出目标(:stdout:,:stderr:,:mcp:,文件路径)|
| `SPL_RUNTIME_STDIO_ENABLED` |true |启用stdin/stdout传输|
| `SPL_RUNTIME_STDIO_BUFFER_SIZE` |8192| stdio传输的缓冲区大小|
| `SPL_RUNTIME_HTTP_ENABLED` |false |启用HTTP传输|
| `SPL_RUNTIME_HTTP_HOST` |“localhost”| HTTP服务器的主机|
| `SPL_RUNTIME_HTTP_PORT` |3000 | HTTP服务器端口|

有关更多详细信息,请参阅 环境变量引用.

### 运行代理

#### 守护程序模式(HTTP服务器)```bash
./speelka-agent --daemon [--config config.yaml]

CLI模式(标准输入/输出)```bash

./speelka-agent [--config config.yaml]


## 使用示例

### HTTP API

在守护进程模式下运行时,代理会公开HTTP端点:```bash
# Send a request to the agent
curl -X POST http://localhost:3000/message -H "Content-Type: application/json" -d '{
"method": "tools/call",
"params": {
"name": "process",
"arguments": {
"input": "Your query here"
}
}
}'

外部工具集成

使用YAML配置中的MCP协议连接到外部工具:```yaml
agent:

... other agent configuration ...

connections:
mcpServers:

MCP server for Playwright browser automation

playwright:
command: "mcp-playwright"
args: []

MCP server for filesystem operations

filesystem:
command: "mcp-filesystem-server"
args: ["."]


或者使用环境变量:```bash
# MCP server for Playwright browser automation
export SPL_AGENT_CONNECTIONS_MCPSERVERS_0_ID="playwright"
export SPL_AGENT_CONNECTIONS_MCPSERVERS_0_COMMAND="mcp-playwright"
export SPL_AGENT_CONNECTIONS_MCPSERVERS_0_ARGS=""

# MCP server for filesystem operations
export SPL_AGENT_CONNECTIONS_MCPSERVERS_1_ID="filesystem"
export SPL_AGENT_CONNECTIONS_MCPSERVERS_1_COMMAND="mcp-filesystem-server"
export SPL_AGENT_CONNECTIONS_MCPSERVERS_1_ARGS="."

支持的LLM提供商

  • 开放人工智能:GPT-3.5、GPT-4、GPT-4o
  • Anthropic:克劳德模型

文档

有关更多详细信息,请参阅:

  • 系统架构
  • 实现细节
  • 项目文件结构
  • 参考资料
  • 外部资源

发展

运行测试```bash

go test ./...


### 助手命令

这 `run` 脚本提供了常见操作的命令:```bash
# Development
./run build        # Build the project
./run test         # Run tests with coverage
./run check        # Run all checks
./run lint         # Run linter

# Interaction
./run call         # Test with simple query
./run call-multistep # Test with multi-step query
./run call-news    # Test news agent
./run fetch_url    # Fetch a URL using MCP

# Inspection
./run inspect      # Run with MCP inspector

看 命令参考 更多选择。

许可证

MIT许可证

MCP服务器工具筛选

您可以使用以下选项控制从每个MCP服务器导出哪些工具 mcpServers 章节:

  • includeTools:(可选)要包含的工具名称列表。服务器上只有这些工具可用。
  • excludeTools:(可选)要排除的工具名称列表。这些工具将无法从服务器获得。
  • 如果两者都被设置, includeTools 先应用,然后 excludeTools.
  • 工具名称区分大小写。

例子:```yaml
connections:
mcpServers:
time:
command: "docker"
args: ["run", "-i", "--rm", "mcp/time"]
includeTools:
- now
- utc
filesystem:
command: "mcp-filesystem-server"
args: ["/path/to/directory"]
excludeTools:
- delete


## 直接通话模式

您可以在直接调用模式下运行代理来处理单个查询并输出JSON结果。这对于脚本编写、自动化或与其他工具的集成非常有用。

例子:```sh
./bin/speelka-agent --config site/examples/minimal.yaml --call 'What is 2+2?'
  • 代理将处理查询并将单个JSON结果打印到stdout。
  • 所有日志和调试输出都会发送到stderr。
  • 输出JSON将始终包含以下字段: success, result, meta,以及 error.

提示:

  • 您可以在脚本中使用此模式,并将输出传输到 jq 或用于进一步加工的其他工具。

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
Speelka Agent MCP 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。

Speelka Agent MCP 怎么在 Claude 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。

Speelka Agent MCP 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。

Speelka Agent MCP 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。

Speelka Agent MCP 支持哪些客户端?

资料标注支持 Claude;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。

Speelka Agent MCP 能提供哪些能力?

资料显示能力标签包括 LLM代理、Go、Claude。具体工具清单以官方文档为准。

Speelka Agent MCP 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Speelka Agent MCP 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。