星战科技xingzhan.cloud
返回市场
麦克蜂群

麦克蜂群

作者：Menoxcide0 星标更新：2025-11-09
安装使用来源：spider==github.com

项目介绍

MCP-Swarm 🤖

npm 版本 许可证：MIT TypeScript Node.js

免费、本地优先、NVIDIA GPU驱动的多代理系统 使用MCP服务器、持久沙箱、实时UI和自我进化。

运行：npx mcp-swarm "构建一个病毒式AI仪表板"

系统自动：

  1. 🧠 发现50多个免费的MCP服务器
  2. 🏗️ 运行11个并行专家代理
  3. 🎨 在 http://localhost:3000 显示实时UI
  4. 🚀 自动提交和部署
  5. 💪 仅使用免费模型 + 本地GPU
  6. 🔄 通过批评/进化代理自我改进

✨ 功能

🤖 11个专业AI代理

  • 市场研究员 - 竞争对手分析及市场情报
  • 产品战略家 - MVP规划及升级路径
  • 系统架构师 - 零成本架构设计
  • MCP工程师 - MCP服务器开发及集成
  • UI/UX设计师 - React/Tailwind界面设计
  • DevOps工程师 - Docker、部署及CI/CD
  • QA测试员 - 安全测试及模糊测试
  • 增长黑客 - 营销及社交媒体
  • 批评者 - 代码审查及质量评估
  • 进化者 - 自我改进及优化
  • 基准测试者 - 性能测试及指标

🔧 50多个MCP服务器集成

  • DevOps：GitHub、GitLab、Jenkins、Docker、Kubernetes、Terraform
  • 通信：Slack、Discord、LINE、Carbon Voice、ntfy
  • 数据库：Postgres、MySQL、MongoDB、Redis、ClickHouse、BigQuery
  • 云服务：AWS、Azure、Google Cloud、Cloudflare、Fly.io
  • AI/ML：OpenAI、Anthropic、HuggingFace、Replicate
  • 业务：Linear、Jira、Notion、Airtable、Salesforce
  • 监控：Sentry、DataDog、VictoriaMetrics、Signoz

🎨 实时UI仪表板

  • 实时代理执行监控
  • 沙箱文件浏览器实时更新
  • 性能指标及GPU使用情况
  • MCP服务器注册管理
  • 交互式代理调试

🔌 Cursor IDE集成

  • 命令面板：Cmd+Shift+P → "MCP Swarm: 运行任务"
  • Composer Hook：@swarm 前缀用于代理工作流
  • 工具集：预定义的MCP工具集合
  • 侧边栏视图：资源管理器、调试器、注册表、监控
  • 代理模式：原生VS Code语言模型集成

🚀 性能与扩展性

  • GPU加速：LM Studio集成实现2-4倍速度提升
  • 本地优先：无需API密钥，完全离线运行
  • 自我进化：批评/进化代理改善系统
  • 插件系统：自动提交、自动部署、自定义触发器
  • 沙箱隔离：带版本控制的持久工作区

🚀 快速开始

先决条件

  • Node.js 18+
  • NVIDIA GPU（推荐RTX 20/30/40/50系列）
  • LM Studio（免费应用，适用于本地LLM）
  • Cursor IDE 0.51+（可选，用于扩展）

安装

方案1：全局CLI（发布后）

npm install -g mcp-swarm
mcp-swarm "构建一个React仪表板"

方案2：直接使用（发布后）

npx mcp-swarm "创建一个Node.js API"

方案3：本地开发（当前）

# 从项目目录
node bin/mcp-swarm.js "构建一个React仪表板"
# 或
npm run test

方案4：本地开发（完整设置）

git clone https://github.com/yourusername/mcp-swarm.git
cd mcp-swarm
npm install
npm run build
node bin/mcp-swarm.js "构建一个应用程序"

GPU设置与LM Studio（推荐）

# 1. 下载LM Studio: https://lmstudio.ai/
# 2. 搜索并下载一个模型（推荐："Llama 3.2 8B"或"Grok-1"）
# 3. 使用GPU卸载加载模型（所有层到CUDA，针对RTX GPU）
# 4. 启动本地服务器：http://localhost:1234/v1（兼容OpenAI的API）
# 5. 运行设置脚本：./setup-lm-studio.sh（Linux/Mac）或setup-lm-studio.bat（Windows）

LM Studio集成

MCP-Swarm自动检测并集成LM Studio以实现GPU加速的AI响应：

# 快速设置（启动LM Studio服务器后）
./setup-lm-studio.sh    # Linux/Mac
# 或
setup-lm-studio.bat     # Windows

# 然后使用真实AI模型运行
node bin/mcp-swarm.cjs "构建一个React仪表板"

环境变量：

  • USE_LM_STUDIO=true - 启用LM Studio集成
  • LM_STUDIO_URL=http://localhost:1234/v1 - LM Studio服务器URL
  • LM_STUDIO_API_KEY - 可选API密钥（通常本地不需要）

性能优势：

  • 使用GPU加速响应速度快2-4倍
  • 本地隐私（无数据发送到外部API）
  • 支持RTX 20/30/40/50系列GPU

📖 使用示例

构建完整的应用程序

# 发布后：
npx mcp-swarm "构建一个带有用户认证、支付整合和管理面板的SaaS仪表板"

# 本地开发：
node bin/mcp-swarm.js "构建一个带有用户认证、支付整合和管理面板的SaaS仪表板"

API开发

node bin/mcp-swarm.js "为博客创建一个带有PostgreSQL和认证的REST API"

UI/UX设计

node bin/mcp-swarm.js "为金融科技初创公司设计一个现代着陆页"

DevOps与部署

node bin/mcp-swarm.js "使用Docker设置CI/CD管道并部署到Fly.io"

自定义代理任务

node bin/mcp-swarm.js "分析AI代理领域的竞争对手"
node bin/mcp-swarm.js "为新产品发布生成营销内容"
node bin/mcp-swarm.js "审查并优化此代码库以提高性能"

🏗️ 架构

mcp-swarm/
├── core/              # 引擎、MCP发现、模型集成
├── agents/            # 11个专业AI代理
├── plugins/           # 自动提交、自动部署、自定义触发器
├── ui/                # 实时Web仪表板（Express + Socket.IO）
├── sandbox/           # 持久工作区（永不删除）
├── extensions/        # Cursor IDE扩展（VSIX）
├── models/            # LM Studio配置
└── bin/               # 全局CLI可执行文件

代理流水线流程

  1. 任务输入 → 解析和验证请求
  2. MCP发现 → 加载并初始化配置的服务器
  3. 并行执行 → 同时运行相关代理
  4. 结果聚合 → 结合输出并解决冲突
  5. 文件生成 → 将结果写入沙箱并进行版本控制
  6. 插件触发 → 执行自动提交、通知等
  7. UI更新 → 实时仪表板反映进度

🔧 配置

MCP服务器

编辑sandbox/mcp-config.json添加自定义集成：

{
  "name": "自定义API",
  "url": "https://your-api.com/openapi.json",
  "auth": "api-key",
  "enabled": true,
  "description": "您的自定义服务"
}

模型配置

更新core/model.ts以适应不同的LLM提供商：

export class CustomModel {
  async invoke(messages: any[]) {
    // OpenAI、Anthropic、本地模型等
    return { content: response, usage: { tokens: count } };
  }
}

代理定制化

在agents/your_agent.ts中创建新代理：

export default {
  name: 'your_agent',
  async run(state: any, { explorer, model }: any) {
    const response = await model.invoke([{
      role: 'user',
      content: `任务：${state.task}`
    }]);

    await explorer.writeFile('output/result.md', response.content);
    return { results: { [this.name]: response.content } };
  }
};

🎯 Cursor IDE集成

安装

# 从MCP-Swarm目录
code --install-extension extensions/mcp-swarm.vsix

# 或手动：Cursor → 扩展 → 从VSIX安装

功能

  • 命令面板：MCP Swarm: 运行任务
  • Composer集成：@swarm 构建一个仪表板
  • 工具集：预定义的MCP工具集合
  • 实时监控：侧边栏中的实时代理执行
  • 语义搜索：Cursor的嵌入模型用于代码库查询

高级用法

// 在Cursor设置中配置群工具
{
  "mcp-swarm.toolSets": {
    "dev-tools": ["add_mcp", "grep", "execute_ts"],
    "web-tools": ["browser_click", "take_screenshot"],
    "api-tools": ["http_request", "parse_json"]
  }
}

📊 性能

基准测试（RTX 4090 + Grok-1）

  • 代理执行：GPU比CPU快2-4倍
  • MCP调用：平均响应时间<100ms
  • 内存使用：全部代理套件约500MB
  • 并发代理：最多11个并行执行

支持的模型

  • Grok-1：314B MoE，最适合推理
  • Llama 3.2：8B/70B，多语言任务
  • Mistral Nemo：12B，工具调用及代理
  • DeepSeek Coder：专注于代码生成
  • Phi-3 Mini：快速低VRAM操作

🤝 贡献

  1. 分叉仓库
  2. 创建功能分支：git checkout -b feature/amazing-agent
  3. 将您的代理/插件添加到适当的目录
  4. 更新AGENTS.md文档
  5. 本地测试：npm run test
  6. 提交拉取请求

开发设置

git clone https://github.com/yourusername/mcp-swarm.git
cd mcp-swarm
npm install
npm run build
npm link  # 用于全局CLI测试

📄 许可证

MIT许可证 - 免费用于所有用途，包括商业用途。

基于karthikscale3的ctx-zip构建。

🙏 致谢

  • Cursor IDE 提供了出色的AI优先开发体验
  • LM Studio 提供免费本地LLM托管及GPU加速
  • MCP社区 提供了通用API标准
  • xAI 开源了Grok模型

📞 支持

准备好构建任何东西了吗？ 🚀

# 本地开发：
node bin/mcp-swarm.js "构建下一个大事件"

# 发布后：
npx mcp-swarm "构建下一个大事件"