Token导航 LogoToken导航

MCP Server · 运维云端

Agentcore Lite

AgentCore Lite是一个教学项目,展示了如何构建一个轻量级代理服务,结合了MCP风格上下文管理、LLM驱动的规划和异步工具集,并通过FastAPI接口提供服务。

stdio官方级别未说明来源级核验工具 0
Python云端部署Docker

快速开始

作者 / 组织
vuppulaBhanuprakash
提供方
vuppulaBhanuprakash
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Agentcore Lite 属于运维云端类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python -m venv .venv

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  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

    复制下面的安装命令执行;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

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

AgentCore Lite(轻量级版)

AgentCore Lite是一个教学项目,旨在深入解析轻量级代理服务背后的核心构建模块。它展示了如何在一个FastAPI接口下,结合一个受MCP启发的上下文管理器、一个由大型语言模型(LLM)驱动的规划器,以及一系列小型异步技能工具包。

你将学到什么

  • 基于模型上下文协议(MCP)的内存 – MCPContext 展示了如何持久化聊天历史、展示技能追踪以及重置会话状态。
  • 大语言模型(LLM)意图规划 – get_intents_from_llm 打包对话上下文,调用DeepSeek Chat API,并安全解析其JSON计划。
  • 工具编排 – 规划者启动多项技能(行程规划、提醒、信息查询等)并同时运行它们 asyncio.gather。
  • FastAPI 微服务设置 – src/app.py 暴露HTTP端点,将用户输入连接到规划器,并返回结构化响应。

技术栈与依赖项

  • fastapi – 提供规划器作为网络服务的HTTP API框架。
  • uvicorn[standard] – 用于启动FastAPI应用程序的ASGI服务器。
  • httpx 用于调用DeepSeek大语言模型API的异步HTTP客户端。
  • python-dotenv – 加载环境变量(例如。, DEEPSEEK_API_KEY来自当地 .env 文件。

仓库中的其他所有内容都依赖于 Python 的标准库。

项目结构

agentcore-lite/
├── src/
│   ├── app.py               # FastAPI entrypoint
│   ├── agents/
│   │   ├── planner.py       # Intent planner that coordinates skills
│   │   └── skills/          # Individual async tools (plan_trip, set_reminder, etc.)
│   ├── mcp/
│   │   └── protocol.py      # Minimal MCP-style context manager
│   └── services/
│       └── llm_orchestrator.py  # DeepSeek integration and intent parsing
├── requirements.txt
└── README.md

先决条件

  • Python 3.10及以上版本
  • 一个DeepSeek API密钥(设置 DEEPSEEK_API_KEY 在您的环境中,或者 .env)

安装

git clone https://github.com/yourname/agentcore-lite.git
cd agentcore-lite
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
pip install -r requirements.txt

创建一个 .env 在项目根目录中创建文件(或通过其他方式导出变量):

DEEPSEEK_API_KEY=your-api-key-here

运行服务

从项目根目录:

uvicorn src.app:app --reload

FastAPI 将启动于 http://127.0.0.1:8000有用的端点:

  • GET / – 快速健康检查。
  • POST /ask – 发送 { "message": "Plan my weekend trip" } 运行规划器。
  • GET /context – 检查由(系统/助手等)管理的存储对话和技能追踪 MCPContext。

扩展项目

  • 通过创建一个模块来添加新工具 src/agents/skills 使用异步(功能/方法) run 功能并更新 SUPPORTED_SKILLS 地图。
  • 通过调整系统提示来教授新的意图模式 llm_orchestrator.py。
  • 通过交换在会话之间持久化上下文 MCPContext 用于数据库支持的版本。

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

轻量级代理Python本地部署LLM规划异步工具FastAPI教学项目

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端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

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Agentcore Lite

MCP World · 本页

0stdio有1 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Agentcore Lite 怎么安装?

公开资料给出的安装命令是 python -m venv .venv,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Agentcore Lite 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Agentcore Lite 收费吗?

本站只整理公开资料,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。

Agentcore Lite 需要 API Key 吗?

公开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。

Agentcore Lite 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP