Agent Tasker MCP Server

代理询问MCP服务器

AgentTask是一个小型的、仅支持stdio的MCP服务器，用于需要快速运行多个任务并在一次调用中获得结构化结果的AI代理。

它故意缩小：

• 两个工具： execute 和 execute_batch
• 仅限本地stdio传输
• 零第三方运行时依赖关系
• 显式依赖控制 depends_on
• 紧凑、模型友好的JSON响应

存储库： https://github.com/S3bRR/agent-tasker-mcp

为什么存在

大多数代理编排层都比实际需要的要重。此项目是为常见情况设计的：

• 并行运行几个任务
• 需要时让一个任务等待另一个任务
• 保持MCP表面足够小，以便模型可靠使用

运行时不需要队列服务、持久层、后台工作系统，也不需要SDK依赖。

它支持什么

任务类型：

• python_code
• http_request
• discovery_search
• web_scrape
• shell_command
• file_read
• file_write

公共MCP工具：

• execute
• execute_batch

安装

要求：

• Python 3.10+
• 可以运行stdio服务器的本地MCP客户端

推荐： uvx

直接从GitHub运行：

uvx --from git+https://github.com/S3bRR/agent-tasker-mcp.git agent-tasker-mcp-server --workers 8

一旦包在PyPI上上线，命令变为：

uvx agent-tasker-mcp-server --workers 8

pipx

直接从GitHub安装：

pipx install git+https://github.com/S3bRR/agent-tasker-mcp.git

一旦包在PyPI上上线，命令变为：

pipx install agent-tasker-mcp-server

本地克隆

git clone https://github.com/S3bRR/agent-tasker-mcp.git
cd agent-tasker-mcp
./setup.sh

setup.sh 创建本地 .venv，将此包安装到其中，并打印 绝对MCP配置代码段。如果 python3 -m venv 不可用，它回退 到 virtualenv 安装后。

MCP客户端配置

GitHub源代码

{
  "command": "uvx",
  "args": [
    "--from",
    "git+https://github.com/S3bRR/agent-tasker-mcp.git",
    "agent-tasker-mcp-server",
    "--workers",
    "8"
  ]
}

已安装的软件包

{
  "command": "agent-tasker-mcp-server",
  "args": ["--workers", "8"]
}

本地结账

{
  "command": "/absolute/path/to/agent-tasker-mcp/.venv/bin/agent-tasker-mcp-server",
  "args": ["--workers", "8"]
}

使用打印的精确绝对路径 ./setup.sh 用于本地结账。

用法

execute

立即运行一个任务。

{
  "task_type": "python_code",
  "code": "result = 6 * 7"
}

execute_batch

同时运行多个任务。

{
  "tasks": [
    {
      "name": "fetch_users",
      "task_type": "http_request",
      "url": "https://api.example.com/users"
    },
    {
      "name": "calc",
      "task_type": "python_code",
      "code": "result = 6 * 7"
    }
  ],
  "output_mode": "compact"
}

depends_on

如果一个任务必须等待另一个任务，请明确说明。

{
  "tasks": [
    {
      "name": "write_file",
      "task_type": "file_write",
      "path": "/tmp/example.txt",
      "content": "hello"
    },
    {
      "name": "read_file",
      "task_type": "file_read",
      "path": "/tmp/example.txt",
      "depends_on": ["write_file"]
    }
  ]
}

如果上游依赖关系失败，下游任务将被标记为失败且不运行。

输出形状

output_mode 支持：

• compact （默认）
• full

响应的顺序与输入任务列表相匹配，这使得模型在没有额外协调逻辑的情况下更容易使用。

发布过程

发布是由标签驱动的。

1. 更新 pyproject.toml 和 server.json 到同一个版本
2. 承诺并推动 main
3. 创建并推送匹配的标签，例如 v1.0.0
4. GitHub Actions运行测试，构建包，通过可信发布发布到PyPI，然后发布 server.json 到MCP注册表

发布工作流拒绝版本漂移：推送标签， pyproject.toml，以及 server.json 必须完全匹配。

限制

可选环境变量：

• AGENT_TASKER_MAX_TASKS：每个任务的最大数量 execute_batch
• AGENT_TASKER_MAX_PAYLOAD_BYTES：每个任务的最大有效载荷大小
• AGENT_TASKER_MAX_MEMORY_MB：软进程内存保护

安全须知

此服务器适用于受信任的环境。

• python_code 执行Python代码
• shell_command 执行shell命令
• file_read 和 file_write 在本地文件系统上操作

不要将此服务器直接暴露给不受信任的用户。

发展

创建本地环境：

./setup.sh
source .venv/bin/activate

运行服务器：

agent-tasker-mcp-server --workers 4

运行测试：

.venv/bin/python -m unittest discover -s tests

包装

此回购包括 server.json 用于MCP注册表发布和GitHub Actions工作流，该工作流从版本标记发布PyPI包和MCP元数据。

许可证

麻省理工学院