acme MCP

acme mcp

一个两层嵌套的MCP（模型上下文协议）系统，演示了通过HTTP/SSE的MCP组合——一个服务器同时是另一个MCP服务器的客户端。

建筑

Claude Desktop
     │  stdio
     ▼
[stdio proxy]              ← spawned by Claude Desktop, bridges stdio ↔ HTTP
     │  HTTP/SSE (:8002)
     ▼
MCP 2: Orchestrator        ← FastAPI/uvicorn, runs on the server
     │  HTTP/SSE (:8001)
     ▼
MCP 1: Vector Store        ← FastAPI/uvicorn, internal only

MCP 1(mcp1_vectorstore) 是一个低级内存向量存储。在启动时，它通过Azure OpenAI嵌入10个Acme Robotics文档，然后使用numpy余弦相似度进行语义搜索。它作为一个独立的HTTP服务运行，从不直接暴露给Claude Desktop。

MCP 2(mcp2_orchestrator) 通过Azure AI Foundry使用GPT-4.1运行代理推理循环。它暴露了一个 ask 该工具通过HTTP/SSE将问题分解为任务，通过HTTP对MCP 1进行检索，并合成最终答案。独立任务通过以下方式并行分派 asyncio.gather.

代理 (extension/server/proxy.py)是一种薄型stdio↔HTTP网桥。Claude Desktop在本地生成它；它通过网络连接到MCP 2。这是唯一在客户端机器上运行的部分。

项目结构

src/
├── mcp1_vectorstore/
│   ├── settings.py       # endpoint, api_key, embedding deployment, port
│   └── server.py         # FastAPI/SSE: search + list_documents tools
└── mcp2_orchestrator/
    ├── settings.py       # endpoint, api_key, chat deployment, mcp1_url
    ├── mcp1_client.py    # HTTP/SSE client wrapping MCP 1
    ├── agent.py          # Agentic loop: scratchpad, task planning, parallel search
    └── server.py         # FastAPI/SSE: exposes the ask tool
extension/
├── manifest.json         # Claude Desktop Extension manifest
└── server/
    └── proxy.py          # stdio ↔ HTTP/SSE bridge (runs on client machines)

服务器安装程序

1.安装依赖项

uv sync

2.配置环境

cp .env.example .env
# Fill in Azure credentials

3.启动服务器

在两个独立的终端中：

make run-mcp1   # vector store on http://0.0.0.0:8001
make run-mcp2   # orchestrator on http://0.0.0.0:8002

连接克劳德桌面（本地开发）

跑 make claude-config 要打印配置块，请将其粘贴到 %APPDATA%\Claude\claude_desktop_config.json 并重新启动克劳德桌面。

这会产卵 proxy.py WSL通过HTTP连接到MCP 2。两台服务器必须首先运行。

企业部署（claude.ai）

对于企业claude.ai，不需要安装代理或客户端：

1. 在具有可公开访问的HTTPS URL的内部服务器上部署MCP 2
2. 组织管理员添加URL一次： claude.ai→ 设置→ 连接器→ 添加自定义连接器
3. 用户点击启用它——无需URL输入，无需配置

MCP 1留在内部；Anthropic的服务器只需要访问MCP 2。

通过克劳德桌面扩展（.mcpb）分发

任何Claude Desktop用户（不仅仅是本地开发人员）都需要代理连接到内部服务器，因为Claude Desktop只会说stdio。这 .mcpb 将代理和所有Python依赖项打包到一键安装中。

make pack   # produces acme-orchestrator-proxy.mcpb

打包前，更新 MCP2_URL 在 extension/manifest.json 指向您的内部服务器（例如。 http://mcp.acme-internal.com:8002).分发 .mcpb 用户在Windows资源管理器中双击它，Claude Desktop会自动安装它。

工具

MCP 1工具（内部，仅限HTTP）

MCP 2工具（通过HTTP/SSE公开）

代理循环

代理人在 agent.py 维护一个按请求的草稿栏：

{
  "question": str,
  "tasks": [{"id", "description", "status", "depends_on", "result"}],
  "final_answer": str | None
}

LLM使用四个内部工具驱动回路： add_task, complete_task, search_knowledge，以及 finish具有满意依赖关系的任务被并发分派。循环的硬上限为10次迭代。

试题

这些问题需要通过Acme Robotics知识库进行多跳检索。答案不在任何LLM的培训数据中。

顺序（两跳）：

“谁开发了Acme旗舰产品中使用的导航算法，他们的学术背景是什么？”

并行+综合：

“比较Acme的市场地位：他们最大的客户关系有多大，他们与主要竞争对手相比如何？”

多跳伸展：

“Acme的增长战略是什么，他们目前的资金支持吗？”