Token导航 LogoToken导航

MCP Server · AI代理

Agentic MCP Demo

展示了一种基于MongoDB的下一代AI架构,具备自组织代理、服务发现、记忆维护和复杂工作流编排功能。

stdio官方级别未说明来源级核验工具 0
AI代理Python搜索向量搜索

快速开始

作者 / 组织
mongodb-industry-solutions
提供方
mongodb-industry-solutions
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

Agentic MCP Demo 属于AI代理类 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;接入前要先准备 访问 Token。

分类

AI代理

传输方式

stdio

认证方式

访问 Token

部署方式

公开资料未说明

安装与配置

安装命令

python -m venv <dir>

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

基于MongoDB的代理人工智能——技术展示

展示具有自组织功能的下一代人工智能架构 发现服务、维护内存和编排的代理 使用MCP、MongoDB矢量搜索和Voyage AI的复杂工作流程。

如何安装和运行演示

设置很简单。克隆存储库,并执行以下步骤:

为aaS组件设置环境变量
export OPENAI_API_KEY=""
export MONGODB_URI=""
export VOYAGE_API_KEY=""   # used by the restaurant_guide MCP service
安装Python 3.13
brew install python@3.13
在.zshrc中设置路径
export PATH="$(brew --prefix)/opt/python@3.13/libexec/bin:$PATH"
创建并激活Python虚拟环境
python -m venv 
source /bin/activate
安装Python包
cd agentic-mcp-demo
pip install -r requirements.txt
运行shell并进行交互
python main.py
看看幕后

打开另一个shell,然后发出以下命令:

curl -sN https://notify.bjjl.dev/receive | sed -n 's/^data: //p'
观看投资组合直播

MCP服务组合附带了一个由MongoDB支持的web仪表板 更改流和WebSockets。在单独的shell中运行它:

python web/portfolio_dashboard.py

然后打开 --每次添加/更新/删除 代理实时流动,无需轮询。

玩得开心 ;-)

为什么选择MongoDB

360度数据基础/数字孪生

多代理、多MCP架构的强大程度取决于其 基础数据基础。该基础必须可通过 高性能、有弹性的方式和全面的 可能的。MongoDB的文档模型擅长构建这样一个基础, 在创新和实验过程中实现快速迭代。

Voyage AI

Voyage AI强大的嵌入模型推动MCP服务 发现。此外,选定的MCP服务器使用它们来启用语义 跨多模态内容搜索,促进精确检索, 处理和事务操作。

短期/长期记忆和用户偏好

MongoDB充当链接MCP服务器调用的内聚层, 监督代理内存服务。它管理着持久的数据,如 用户偏好(“我是素食主义者”、“我经常出国旅行”)和 短暂的情景细节(“今天我想吃印度菜”,“看 新iPhone”)。

TTL索引

短期内存在设置后会自动进行垃圾回收 期间,由MongoDB的TTL索引提供支持。这消除了需求 用于外部计划脚本。

地理空间索引

一些MCP服务器将地理空间搜索集成到其操作中。在 例如,电信/OSS演示流程,一台服务器映射客户的 当前位置到附近的手机信号塔,以便发现合适的 功能和进行服务保证。

已实现演示流程(到目前为止,还有更多)

电信/BSS计费/计划管理

您将与以下问题/命令进行交互:

  • 显示我当前的发票
  • 为什么这么贵
  • 降低成本的选项
  • Book addon世界漫游+
  • 确认

基于意图的网络(IBN)——零售连锁店入职培训

旗舰技术演示。零售连锁店客户表示 用通俗易懂的语言表达商业意图;系统解析它,检查 根据实时库存的可行性,生成计划,激活它, 并不断捍卫承诺。当违规行为发生时 MongoDB Atlas聚合管道组合 语义相似性+ 地理空间预过滤器+时间窗口+结构化等式 浮现 最接近过去事件及其经过验证的runbook “机构记忆”时刻让MongoDB Atlas难以取代 使用Postgres+pgvector+PostGIS+TimescaleDB鸡尾酒。

设置(一次):

python seed/ibn_seed.py

这将加载夹具(5个具有地理、~20个矢量索引知识的站点 chunks,4个活动意图)并打印Atlas的JSON配置 您需要创建的矢量搜索索引 ibn_knowledge_chunks 在 Atlas用户界面。在建立该索引之前,诊断工具将失败。

运行实时仪表板(单独的shell):

python web/ibn_dashboard.py

然后打开 供工程师查看,或 从行政角度来看。相同的骨干, 两种渲染风格。

5分钟演示对话:

You: I'm opening a new Alpenmarkt store at Marienplatz Munich.
     POS priority, guest WiFi strictly separated, camera uplink,
     online by 18:00, max 40ms POS latency, 99.95% availability.
You: Is this feasible?
You: Activate it.
You: Inject morning rush.
You: What happened?           ← this fires the WOW vector query
You: Apply the runbook.

10分钟延长流量 添加: show all active intents,资源 新站点的检查、地理空间故障转移查找、违规后 车队宽度检查、runbook预览和 update the template so future stores inherit the fix --关闭机构记忆循环。

电信/OSS网络保障/客户投诉管理

您将与以下问题/命令进行交互:

  • 检查客户+49 176 12345678的网络状态
  • 检查塔架状态。以防万一,创建工单,并应用

归功于这位高级客户

用例

并非所有产品都是演示的一部分,但随着时间的推移,应该会。请 贡献MCP服务器和演示流!

电信/BSS

自主报价到订单编排

代理系统解释来自上游渠道的商业意图, 验证资格、配置多域服务并编排 端到端订单执行。他们在CRM、CPQ、, 实现和网络层——实时解决异常 最大限度地减少商业到运营流程中的延迟。

智能收入保证和防漏

代理持续监控调解、评级、计费和结算 流以检测使用异常和协调差距。它们适用 规则和模型驱动的诊断,启动自动纠正 行动,并将见解反馈到保证和政策引擎中。

自适应产品和定价优化

自主政策代理分析跨部门的需求和利润信号 提供和使用细分市场。通过API级与产品的交互 目录和收费系统,他们动态地提出定价 调整、捆绑配置或折扣规则与 运营和财务目标。

主动式生命周期编排

代理跨配置协调服务生命周期事件, 包括但不限于安全域、保证域和计费域。使用以下预测指标 遥测和事务流,它们抢占降级,触发 调整工作流程,确保闭环履行和保证 跨越BSS/OSS堆栈。

合作伙伴和生态系统自动化

在多方和B2B2X环境中,代理管理合作伙伴 入职培训、合同合规、使用结算和争议 决心它们作为自主编排节点运行——协商 API合同、验证事务和维护分布式 生态系统参与者之间的状态同步。

电信/OSS

网络故障与性能管理

自治代理实时关联FCAPS流(SNMP/TL1/gNMI) 跨拓扑感知内存。他们通过以下方式进行根本原因推理 基于机器学习的异常检测,根据影响对警报进行优先级排序,并触发 自我修复——从网元重新配置到调度编排。

服务激活和保证编排

基于意图的代理将服务订单分解为多个域 工作流程(L1-L7)。连续遥测验证配置后 KPI,预测性能下降,并执行自动回滚或 补救措施——利用TMF814/815 API。

容量和资源规划优化

代理使用实时PM数据和需求预测来模拟容量 通过图神经网络模拟场景。他们与 库存/采购系统,触发设备订单,并优化 光纤/电路布线及时。

网络库存与对账

Discovery代理通过以下方式维护分布式黄金记录 持续的网元扫描和事件驱动的更新。对账检测 实时漂移,通过变化跟踪推断原因,并执行 批量更新或升级后的重新配置。

互联与批发结算

代理实时监控对等/批发CDR流,并进行验证 智能合约和即时计算费用。他们解决争端 通过以下方式自主生成符合TMF的结算文件 持续的合同同步。

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

AI代理Python本地部署MongoDB向量搜索语义搜索工作流编排

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

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

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。
  • 需要自备访问 Token,没有凭据没法直接试。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。

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、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到访问 Token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
Agentic MCP Demo

MCP World · 本页

0stdio有1 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 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

Agentic MCP Demo 怎么安装?

公开资料给出的安装命令是 python -m venv <dir>,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。

Agentic MCP Demo 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。

Agentic MCP Demo 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。

Agentic MCP Demo 需要 API Key 吗?

公开资料标注的认证方式是访问 Token,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Agentic MCP Demo 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