Tiny Agents An MCP Powered Agent

MCPAI代理

提供方 SRafi007

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

一个基于模型上下文协议(MCP)的轻量级AI代理框架,支持与多种AI模型和工具的无缝集成。

一句话选型结论

按资料字段整理

Tiny Agents An MCP Powered Agent 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,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 鉴权无需鉴权 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代理Python本地部署模型集成工具发现轻量级框架

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
python -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。
  • 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。
  • 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。
  • 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
Tiny Agents An MCP Powered Agent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SRafi007上游标注的维护方 SRafi007
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 · 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

4.5 KB
来自项目仓库与上游目录的原文,未做删改

微型代理-MCP驱动的代理

由模型上下文协议(MCP)支持的轻量级AI代理框架,可与各种AI模型和工具无缝集成。

🌟 概述

该项目演示了如何使用 微型代理 框架与MCP服务器集成。这些代理可以与外部工具(如用于web自动化的Playwright)交互,并且可以由不同的LLM提供商提供支持,包括Ollama和Hugging Face Inference。

🚀 特性

  • 多LLM提供商支持:与Ollama、Hugging Face Inference和其他提供商兼容
  • MCP服务器集成:无缝连接到像Playwright这样的MCP服务器,以扩展功能
  • 灵活配置:基于JSON的代理配置,便于定制
  • 工具发现:内置工具列表和发现机制
  • 轻便快速:通过快速设置实现最小依赖

📁 项目结构```

mcp-practice-tiny-agent/
├── agents/ # Agent configuration files
│ ├── agent.json # Base agent configuration
│ ├── agent_with_ollama.json # Ollama-powered agent
│ └── agent_with_hfinference.json # HuggingFace Inference agent
├── scripts/ # Utility scripts
│ ├── run_agent.py # Main agent execution script
│ ├── test_connection.py # Connection testing script
│ └── mcp_list_tools.py # Tool discovery script
├── servers/ # MCP server configurations
├── requirements.txt # Python dependencies
└── README.md # This file


## 🛠️ 安装

### 先决条件

- Python 3.8+
- Node.js(适用于Playwright等MCP服务器)
- Ollama(可选,用于本地LLM推理)

### 设置

1. **克隆仓库**:```bash
git clone
cd mcp-practice-tiny-agent
  1. 创建虚拟环境:```bash
    python -m venv venv

On Windows

venv\Scripts\activate

On macOS/Linux

source venv/bin/activate


1. **安装依赖项**:```bash
pip install -r requirements.txt
  1. 设置环境变量 (如果使用拥抱脸):```bash

Create a .env file

HF_TOKEN=your_huggingface_token_here


## 🎯 用法

### 运行代理

执行主代理脚本:```bash
python scripts/run_agent.py

这将加载代理配置并运行示例任务(例如,web搜索和摘要)。

测试连接

验证您的代理设置:```bash
python scripts/test_connection.py


### 列出可用工具

了解您的代理可以使用哪些工具:```bash
python scripts/mcp_list_tools.py

⚙️ 配置

代理配置文件

代理配置存储在 agents/ 目录为JSON文件:

示例:Ollama代理商(agent_with_ollama.json)```json

{
"name": "playwright-agent",
"description": "Agent with Playwright MCP server",
"model": "Qwen/Qwen2.5-1.5B-Instruct",
"base_url": "http://localhost:11434",
"servers": [
{
"type": "stdio",
"command": "npx",
"args": ["@playwright/mcp@latest"]
}
]
}


#### 示例:拥抱面部推理代理(`agent_with_hfinference.json`)```json
{
"name": "playwright-agent",
"description": "Agent with Playwright MCP server",
"model": "Qwen/Qwen2.5-1.5B-Instruct",
"provider": "hf-inference",
"servers": [
{
"type": "stdio",
"command": "npx",
"args": ["@playwright/mcp@latest"]
}
]
}

配置参数

  • 名字:您的代理的唯一标识符
  • 描述:代理人目的的简要说明
  • 模型:要使用的LLM模型(例如。, Qwen/Qwen2.5-1.5B-Instruct)
  • 提供者:法学硕士提供者(hf-inference,或省略Ollama)
  • base_url:API终点(对于Ollama,通常 http://localhost:11434)
  • 服务器:要连接的MCP服务器阵列

🔧 支持的MCP服务器

当前配置为:

  • 剧作家MCP:Web自动化和浏览器控制功能

您可以通过修改来添加更多MCP服务器 servers 代理配置中的数组。

📚 关键依赖关系

  • 主控程序:模型上下文协议实现
  • MCP-奥拉马:用于MCP的Olama集成
  • tiny_agent:核心代理框架
  • 拥抱脸_主页:拥抱脸部模型集成
  • 奥拉玛:Ollama Python客户端
  • 皮丹提克:数据验证和设置管理

🤝 贡献

欢迎投稿!请随意:

  • 报告错误
  • 建议新功能
  • 提交拉取请求

📝 许可证

[在此处添加您的许可证信息]

🙏 致谢

  • 模型上下文协议(MCP)
  • 微型代理框架
  • 剧作家MCP服务器

📞 支持

有关问题和疑问,请在存储库中打开问题。


代理楼快乐! 🤖✨

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
Tiny Agents An MCP Powered Agent 怎么安装?

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

Tiny Agents An MCP Powered Agent 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。

Tiny Agents An MCP Powered Agent 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。

Tiny Agents An MCP Powered Agent 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。

Tiny Agents An MCP Powered Agent 能提供哪些能力?

资料显示能力标签包括 AI代理、工具发现、Python、模型集成。具体工具清单以官方文档为准。

Tiny Agents An MCP Powered Agent 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。

Tiny Agents An MCP Powered Agent 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。