MCP Server · AI代理

Context Aware MCP Framework

该框架通过共享上下文存储实现多智能体自主协调，减少LLM工作负载，提高延迟和任务完成度。

stdio官方级别未说明来源级核验工具 0

工作流自动化Python上下文感知

快速开始

打开主来源页面 GitHub 仓库

作者 / 组织: Research-Anonymous-25
提供方: Research-Anonymous-25
运行时: Python

工具数量

来源目录标注

资源数量

来源目录标注

提示词数量

来源目录标注

GitHub Star

仓库热度

收录来源

1 个

MCP World

选型结论

Context Aware MCP Framework 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；接入前先确认权限范围。

分类

AI代理

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 mcp_client.py

客户端配置示例

{
  "mcpServers": {
    "context-aware-mcp-framework": {
      "command": "python",
      "args": [
        "mcp_client.py"
      ]
    }
  }
}

按公开安装命令拼出来的示例，字段名和参数以仓库 README 为准；带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

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
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
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
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

上下文感知MCP框架：模型上下文协议（MCP）中共享上下文多代理协调的实现

该存储库包含本文实验中使用的参考实现： “通过上下文感知服务器协作增强模型上下文协议（MCP）（2025）” 它提供了传统的（无状态）MCP基线和提出的上下文感知MCP架构，以及两个代表性多代理工作流的评估脚本、图形和基准输出： TravelPlanner（真实世界的行程规划）婚礼物流（REALM Bench P5）（多代理调度和协调）此存储库的目标是演示引入共享上下文存储如何使MCP服务器能够自主协调，减少LLM工作负载，改善延迟，提高任务完整性和协调准确性。

仓库的规划

usecases/UseCase1_TravelPlanner/

- traditional_mcp/：无状态MCP编排器(mcp_client.py)加上位置、天气、酒店和食物服务器。 - context_aware_mcp/：上下文感知编排器(context_mcp_client.py)以及支持上下文的服务器（位置、天气、酒店、食物），使用 context_store.py 通过状态。 - evaluation/：传统旅行计划评估员(traditional_evaluate_travelplanner.py)比较绘图仪(compare_eval_results2.py). - outputs/：执行时间、完整性、BERTScore和RougeL的基准图。

usecases/UseCase2_WeddingLogistics/

- traditional_mcp/：无国籍婚礼策划师(wedding_planner_traditional.py)加上到达/出差/运输服务器。 - context_aware_mcp/：以情境为导向的婚礼策划师(wedding_planner_client_mcp.py)加上到达/出差/运输服务器，共享上下文示例(shared_context_P5.py, context_store/shared_context_wedding.json). - evaluation/：P5评估脚本(evaluation_trad_p5.py, evaluate_mcp_P5.py)和任务元数据(task_definitions_copy.py, wedding_evaluator.py). - validation/：日程验证器(schedule_validator.py, schedule_validator_mcp.py). - outputs/：示例运输计划JSON。

先决条件

推荐使用Python 3.10+。
fastmcp, openai，并绘制/评估评估脚本使用的deps(datasets, evaluate, matplotlib等等）。
设置密钥： export OPENAI_API_KEY=...

运行旅行计划（用例1）

传统MCP：

cd usecases/UseCase1_TravelPlanner/traditional_mcp
python mcp_client.py

上下文感知MCP：

cd usecases/UseCase1_TravelPlanner/context_aware_mcp
python context_mcp_client.py

运行婚礼物流策划器（用例2）

传统MCP：

cd usecases/UseCase2_WeddingLogistics/traditional_mcp
python wedding_planner_traditional.py

上下文感知MCP：

cd usecases/UseCase2_WeddingLogistics/context_aware_mcp
python wedding_planner_client_mcp.py

评估

旅游规划师传统评价： usecases/UseCase1_TravelPlanner/evaluation/traditional_evaluate_travelplanner.py

婚礼P5评价： usecases/UseCase2_WeddingLogistics/evaluation/evaluation_trad_p5.py 或 evaluate_mcp_P5.py

为四个基准评估指标提供了输出。这些图也显示在研究论文图中（执行时间、完整性、BERTScore、RougeL）。

工具与能力

工具数量

资源数量

提示词数量

能力标签

多智能体Python本地部署上下文感知任务协调LLM优化工作流自动化

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。
公开摘要偏短，具体能力和限制要回到仓库确认。
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。
需要厂商级 SLA 和技术支持的生产环境。

MCP Server	工具数	传输方式	安装命令	收录来源	最后核验
Context Aware MCP Framework MCP World · 本页	0	stdio	有	1 个	2026-05-17
Everything Claude Code MCP World	0	stdio	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	2	SSE	有	2 个	2026-05-17
Server Everything (everything) MCP World	11	stdio	有	1 个	2026-05-17

常见问题

5 条