内容
# 多智能体MCP编排器
一款企业级的、自主的AI编排系统，基于LangGraph构建，利用模型上下文协议（MCP）将大型语言模型（LLM）与本地环境、向量数据库和云API无缝连接。
## 架构亮点
### 1. Supervisor路由（LangGraph）
* 从单一工具调用代理转变为分布式`MultiServerMCPClient`架构。
* 实现严格的系统提示注入，以动态控制代理行为（例如，强制使用Google Sheets默认值），而不会污染用户查询。
* 通过`GraphState`处理状态路由，允许在完全隔离的MCP服务器上进行无缝的多步骤工具链。
### 2. 自我修复RAG保险库（`ragsystem.py`）
* 使用LlamaParse构建自定义Pinecone混合搜索向量数据库，用于结构化markdown提取。
* **擦除和替换机制：** 实现预摄入元数据过滤（`index.delete(filter={"source": filepath})`）。这在重新摄入更新的源文件时防止向量重复，保持纯净的上下文窗口。
### 3. 自定义Google Workspace服务器（`workspace_custom.py`）
* 绕过有限的社区MCP软件包，构建一个原始的Python MCP服务器，直接与Google Docs和Sheets REST API交互。
* **功能：**
* `create_sheet` 和 `write_sheet`：基于矩阵（2D数组）的行追加，使用Google的`USER_ENTERED`解析。
* `create_doc` 和 `append_doc`：动态EOF索引计算，以安全地将文本注入到嵌套的Google Docs JSON树中。
### 4. 跨平台集成
该编排器成功地在单个对话回合中跨多个隔离域路由复杂的工作流：
* **本地文件系统：** 通过标准I/O传输实现读写访问。
* **Notion：** 通过官方`@modelcontextprotocol/server-notion`实现文档检索。
* **DuckDuckGo：** 通过`duckduckgo-mcp-server`实现零认证的网络搜索。
* **Todoist：** 通过自定义FastMCP REST API服务器实现任务管理和创建。
---
## 前提条件和安装
### 1. 环境设置
该项目使用`uv`进行快速的软件包管理。确保已安装Python 3.12+和`uv`。
```bash
# 克隆仓库
git clone [https://github.com/yourusername/multi-agent-orchestrator.git](https://github.com/yourusername/multi-agent-orchestrator.git)
cd multi-agent-orchestrator
# 通过uv安装依赖
uv venv
uv pip install -r requirements.txt
```
