Zenrube MCP

MCPAI代理

提供方 vmanoilov

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

ZenRube是一个模块化认知平台,提供AI专家编排、智能数据处理和自动化发布工作流,适用于复杂决策支持和内容生成场景。

一句话选型结论

按资料字段整理

Zenrube MCP 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 1 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本地部署专家系统内容生成自动化发布模块化架构

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
pip install zenrube

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 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

  • 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
Zenrube MCP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vmanoilov上游标注的维护方 vmanoilov
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

8.6 KB
来自项目仓库与上游目录的原文,未做删改

ZenRube

ZenRube是一个复杂的模块化认知平台,提供专家AI编排和自发布功能 Rube.app。它采用基于共识的架构构建,具有专门的专家模块,用于智能数据处理、路由、内容生成和自动化发布工作流程。

✨ 特性

  • 🧠 专家系统架构:11个以上针对不同任务的专业专家模块
  • 🤝 基于共识的AI编排:具有可配置综合风格的多专家共识系统
  • 🔀 智能路由:高级语义分析和意图检测
  • 🧹 数据处理:自动数据清理和预处理功能
  • 📝 内容生成:人工智能支持的摘要和内容创建
  • 📤 出版管道:结构化内容发布和分发
  • 🚀 汽车出版:自动专家版本检测和市场发布
  • 👥 团队委员会:具有动态人格系统的多脑编排
  • ️ YAML配置:灵活的配置管理(.zenrube.yml)
  • 💾 缓存系统:TTL感知缓存,支持多种后端
  • 🔌 可扩展设计:面向定制专家的基于插件的架构
  • 🧪 综合测试:覆盖范围广泛的完整测试套件
  • 🎭 动态配置文件:可配置的专家个性和行为模式

🚀 快速开始

安装```bash

pip install zenrube


或用于当地发展:```bash
git clone https://github.com/vmanoilov/zenrube.git
cd zenrube
pip install -e .[dev]

基本用法```python

from zenrube import zen_consensus

Run a consensus across all experts

result = zen_consensus(
"What are the key considerations for deploying a machine learning model to production?"
)

print(result["consensus"])


### 可用专家

该系统包括11名专业专家:

#### 岩心处理专家

- **语义路由器**:分析输入文本以推断意图和路线数据
- **数据清理器**:处理和清理数据以实现一致的格式
- **摘要器**:使用AI生成简明摘要
- **出版商**:处理内容格式化和发布工作流

#### 系统集成专家

- **Rube适配器**:与Rube.app平台集成
- **LLM连接器**:提供LLM提供程序抽象层
- **版本管理器**:管理专家版本和更新
- **自动发布器**:将专家发布自动化到市场

#### 编排专家

- **团队委员会**:具有动态人格系统的多脑编排
- **专家登记处**:管理和发现可用的专家
- **务实工程师**:实用工程见解
- **系统架构师**:高级系统架构指导
- **证券分析师**:安全考虑和分析

### 专家使用示例

#### 使用个人专家```python
from zenrube.experts import SemanticRouterExpert

router = SemanticRouterExpert()
result = router.run("Error: Database connection failed")
# Returns: {"input": "...", "intent": "error", "route": "debug_expert"}
``````python
from zenrube.experts import DataCleanerExpert

cleaner = DataCleanerExpert()
result = cleaner.run(raw_data)
# Returns cleaned and structured data

专家登记处```python

from zenrube.experts_module import list_experts, get_expert

List all available experts

experts = list_experts()
print(experts) # Returns list of all expert slugs

Get specific expert

expert = get_expert('semantic_router')


## ⚙️ 配置

ZenRube从加载配置 `.zenrube.yml` 在项目根目录和用户的主目录中:```yaml
experts:
- pragmatic_engineer
- systems_architect
- security_analyst
synthesis_style: balanced
parallel_execution: true
provider: rube
max_workers: 4
cache_ttl_seconds: 120
logging:
level: INFO
debug: false
cache:
backend: memory
ttl: 120

共识配置```python

from zenrube import zen_consensus, SYNTHESIS_STYLES

Custom consensus with specific experts and style

result = zen_consensus(
"How should we approach microservices architecture?",
experts=["systems_architect", "pragmatic_engineer", "security_analyst"],
synthesis_style="collaborative",
parallel=True
)


支持的合成样式:

- `balanced`:平衡综合,突出协议和实际步骤
- `critical`:强调风险和缓解措施的关键综合
- `collaborative`:确定协同增效作用的协作综合

## 🏗️ 建筑

### 专家登记处

所有专家都通过 `ExpertRegistry`:```python
from zenrube.experts_module import ExpertRegistry, ExpertDefinition

# Register a custom expert
custom_expert = ExpertDefinition(
slug="custom_processor",
name="Custom Processor",
description="Processes custom data types",
handler=custom_handler_function
)

ExpertRegistry.register(custom_expert)

提供商系统

提供程序架构支持多个LLM后端:```python
from zenrube.providers import ProviderRegistry

Configure Rube provider

from zenrube import configure_rube_client
from rube import invoke_llm as rube_invoke
configure_rube_client(rube_invoke)


### 团队委员会整合

团队委员会专家提供多脑协调:```python
from zenrube.experts import TeamCouncil

council = TeamCouncil()
result = council.coordinate_experts(
question="Comprehensive analysis of cloud migration strategy",
expert_profiles=["pragmatic_engineer", "systems_architect", "security_analyst"]
)

💾 缓存

内置缓存系统支持多个后端:```yaml
cache:
backend: memory # or 'file', 'redis'
directory: .zenrube-cache
ttl: 120


- **记忆**:内存缓存(默认)
- **文件**:基于文件系统的缓存
- **瑞迪斯**:基于Redis的分布式缓存

## 🧪 测试

运行综合测试套件:```bash
pip install -e .[dev]
pytest --cov=zenrube

测试覆盖范围包括:

  • 专家功能和边缘案例
  • 配置加载和验证
  • 共识编排
  • 缓存机制
  • 提供商集成
  • 错误处理和降级状态
  • 团队委员会功能
  • 动态人格系统

持续集成运行格式化(black),林廷(flake8),打字(mypy),以及Python 3.9–3.12的覆盖率。

📁 项目结构```

zenrube/
├── zenrube/ # Core package
│ ├── experts/ # Expert implementations
│ │ ├── semantic_router.py
│ │ ├── data_cleaner.py
│ │ ├── summarizer.py
│ │ ├── publisher.py
│ │ ├── autopublisher.py
│ │ ├── team_council.py
│ │ ├── version_manager.py
│ │ ├── rube_adapter.py
│ │ ├── llm_connector.py
│ │ └── expert_registry.py
│ ├── profiles/ # Dynamic personality system
│ │ ├── personality_engine.py
│ │ ├── dynamic_profile_engine.py
│ │ └── profile_controller.py
│ ├── orchestration/ # Consensus orchestration
│ └── config/ # Configuration management
├── tests/ # Comprehensive test suite
├── examples/ # Usage examples and demos
├── .zenrube.yml # Default configuration
└── pyproject.toml # Project metadata and dependencies


## 🔄 CLI使用情况

ZenRube为共识操作提供了一个CLI接口:```bash
# Basic consensus query
zenrube "What are the security implications of containerization?"

# Custom style and experts
zenrube "How to scale microservices?" --style collaborative --experts systems_architect pragmatic_engineer

# Sequential execution
zenrube "Database migration strategy" --sequential

# Debug mode
zenrube "Performance optimization" --debug

🚀 汽车出版

Auto Publisher专家会自动检测版本更新并发布到Rube.app:```python
from zenrube.experts import AutoPublisherExpert

publisher = AutoPublisherExpert()
result = publisher.auto_publish_experts()

Detects changes, regenerates manifests, and publishes automatically


## 🎭 动态配置文件

ZenRube包括一个动态人格系统,用于配置专家行为:```python
from zenrube.profiles import DynamicProfileEngine

engine = DynamicProfileEngine()
profile = engine.create_profile(
name="cautious_analyst",
personality_traits=["risk_aware", "detail_oriented", "methodical"]
)

🤝 贡献

看 贡献.md 用于开发指南和贡献工作流程。

添加新专家

  1. 创建从基础接口继承的专家类
  2. 添加元数据和配置
  3. 在专家模块中注册
  4. 添加综合测试
  5. 更新文档

开发设置```bash

Clone repository

git clone https://github.com/vmanoilov/zenrube.git
cd zenrube

Install in development mode

pip install -e .[dev]

Run tests

pytest

Format code

black zenrube tests
flake8 zenrube tests
mypy zenrube
```

📄 许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

🙏 致谢

  • 概念by @维马尼洛夫
  • 为 Rube.app 自动化平台
  • 受到模块化人工智能架构和基于共识的系统的启发
  • 功能动态人格系统集成

📊 状态


ZenRube -人工智能专家合作提供全面的解决方案。

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
Zenrube MCP 怎么安装?

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

Zenrube MCP 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。

Zenrube 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。

Zenrube 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。

Zenrube MCP 能提供哪些能力?

资料显示能力标签包括 模块化架构、Python、内容生成。具体工具清单以官方文档为准。

Zenrube 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。

Zenrube 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。