综合多智能体开发系统
用于软件开发、研究和分析的分层多代理系统。具有用于前端开发（React/Next.js）、ML/DL（PyTorch）、R分析等的专用代理，具有集成的向量存储和全面的验证功能。
架构概述
该系统实现了 协调者→ 规划师→ 主管→ 专家 等级制度：
业务流程层
- 代理程序：高层协调和决策
规划层
- 规划师代理：战略规划和任务分解
管理层
- 监督代理：专业人员的战术管理和协调
专业代理
开发代理:
- 规格试剂盒代理：使用“指定”进行项目初始化
- 前端编码器代理：React/Next.js/TypeScript/Supabase/Payload CMS
- Python ML/DL代理：PyTorch/TensorBoard/Jupyter
- R分析代理：tidyverse/ggplot2/R Markdown/闪亮
基础设施代理:
- Qdrant载体剂：代码库和文档矢量存储
质量代理商:
- TypeScript验证代理：类型安全、测试、调试
研究代理:
- 研究代理：技术研究和最佳做法
- 浏览器代理：网页浏览和自动化
- 记者代理：文件和报告
主要特点
✅ 分层多代理架构：协调员→ 规划师→ 主管→ 专家 ✅ 专业开发代理：前端、Python ML/DL、R分析 ✅ 矢量驱动知识：Qdrant集成用于代码库搜索 ✅ 模型上下文协议（MCP）：标准化工具集成 ✅ 质量验证：TypeScript安全、测试和调试 ✅ 项目初始化：使用Specific（规格套件）自动设置 ✅ 多个技术栈：React/Next.js、PyTorch、R、Supabase、Payload CMS ✅ 综合文档：自动报告和文件
______________________________________________________________________
快速开始
先决条件
必需:
- Python 3.10+
- Node.js 18+或20+
- Docker（适用于Qdrant）
- 无烟煤API键
可选的 （适用于专业代理）：
- R 4.x（适用于R分析代理）
- Git和GitHub令牌
安装
看 claudcodesetup.md 有关完整的设置说明。
快速安装:
# 1. Clone repository
git clone
cd PM-Agents
# 2. Install Python dependencies
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
pip install -r requirements.txt
# 3. Install Node dependencies (for MCP servers)
npm install -g @modelcontextprotocol/server-filesystem
npm install -g @modelcontextprotocol/server-github
npm install -g @modelcontextprotocol/server-brave-search
# 4. Start Qdrant (vector database)
docker run -p 6333:6333 qdrant/qdrant
# 5. Set environment variables
export ANTHROPIC_API_KEY="your-key"
export GITHUB_TOKEN="your-token"
export BRAVE_API_KEY="your-key"______________________________________________________________________
实施1：克劳德代码（拟人）
设置
- 获取Anthropic API密钥
- 注册地址：https://console.anthropic.com/ - 从您的帐户设置生成API密钥
- 设置环境变量
export ANTHROPIC_API_KEY='your-api-key-here'或者在Windows上：
set ANTHROPIC_API_KEY=your-api-key-here用法
from pm_coordinator_agent import PMCoordinatorAgent
# Initialize coordinator
coordinator = PMCoordinatorAgent()
# Define your project
project = "Develop an AI-powered customer service chatbot for e-commerce platform"
# Execute project management
result = coordinator.manage_project(project)
# View results
print(result)运行示例：
python pm_coordinator_agent.py______________________________________________________________________
实施2：Ollama Gemma3（当地）
设置
- 安装Ollama
- 下载自https://ollama.ai/ - 按照操作系统的安装说明进行操作
- 拉动Gemma2模型 （或Gemma3（如有））
ollama pull gemma2- 启动Ollama服务器
ollama serve运行代理时保持此终端打开。
用法
from pm_ollama_agents import OllamaCoordinator
# Initialize coordinator (Ollama must be running)
coordinator = OllamaCoordinator()
# Define your project
project = """
Develop an AI-powered project management assistant that helps teams
automate task scheduling, resource allocation, and risk monitoring.
"""
# Execute project management
result = coordinator.manage_project(project)
# Results are automatically saved to pm_project_results.json运行示例：
# Make sure Ollama is running first!
python pm_ollama_agents.py______________________________________________________________________
系统工作流
User Request
↓
Coordinator Agent (Analyzes request, determines strategy)
↓
Planner Agent (Creates detailed plan, assigns agents)
↓
Supervisor Agent (Manages execution, coordinates specialists)
↓
┌────────────┬────────────┬────────────┬────────────┬────────────┐
│ Spec-Kit │ Frontend │ Python ML │ R │ Qdrant │
│ Agent │ Coder │ Agent │ Analytics │ Vector │
└────────────┴────────────┴────────────┴────────────┴────────────┘
↓ ↓ ↓ ↓ ↓
└────────────┴────────────┴────────────┴────────────┘
↓
TypeScript Validator
(Reviews code quality)
↓
┌────────────┬────────────┬────────────┐
│ Research │ Browser │ Reporter │
│ Agent │ Agent │ Agent │
└────────────┴────────────┴────────────┘
↓
Final Deliverables
↓
Back to Coordinator
↓
User receives results示例流程：Web应用程序项目
- 用户请求：“构建一个具有身份验证和仪表板的客户门户”
- 协调者：分析→ 确定它是一个全栈web项目
- 规划师：创建计划：
- 使用Spec Kit初始化项目 - 使用Qdrant索引代码库 - 使用Next.js/Supabase实现前端 - 验证TypeScript的安全性 - 与记者一起记录
- 主管：将任务委托给专家
- 专家执行:
- Spec Kit：创建Next.js项目结构 - Qdrant：索引样板和文档 - 前端编码器：实现组件、身份验证、仪表板 - TypeScript验证器：审查代码，运行测试 - 报告者：生成文档
- 结果 通过主管回流→ 规划师→ 协调者
- 用户 接收完整的、经过测试的、有文件记录的应用程序
______________________________________________________________________
代理通信模式
A2A（代理对代理）通信
# Coordinator → Planner
analysis = coordinator.analyze_request(user_request)
plan = coordinator.delegate_to_planner(analysis)
# Planner → Supervisor
execution_plan = planner.create_detailed_plan(analysis)
results = planner.delegate_to_supervisor(execution_plan)
# Supervisor → Specialists
for task in execution_plan.tasks:
specialist = supervisor.get_specialist(task.agent_type)
result = specialist.process_task(task)
supervisor.aggregate_result(result)
# Results flow back up the hierarchyMCP（模型上下文协议）集成
代理使用MCP服务器进行专门操作：
- 文件系统MCP：文件操作（读、写、编辑）
- GitHub MCP：存储库操作（克隆、PR、问题）
- 勇敢搜索MCP：网络研究
- Qdrant MCP （自定义）：矢量存储和语义搜索
- Supabase MCP （自定义）：数据库和身份验证操作
- TensorBoard MCP （自定义）：机器学习可视化
所有通信包括：
- 任务：详细的任务描述
- 上下文：项目状态和依赖关系
- 工具：可用的MCP工具
- 响应格式：预期交付结构
______________________________________________________________________
文档
核心文件
- AGENT_ARCHITECTURE.md：全面的代理规格
- 详细的代理人职责 - 沟通模式 - 技术栈 - 质量门 - 用例和示例
- MCP_SETUP.md：MCP服务器配置指南 新
- 基本与可选MCP服务器 - 用户级（全局）配置 - Qdrant自定义MCP服务器设置 - 按项目收集策略 - 服务与MCP澄清
- 建议_代理.md：代理扩展建议 新
- 高优先级代理添加（DevOps、数据库、安全、API） - 中等优先级添加（代码审查、依赖关系管理、性能） - 专业代理（移动、桌面、数据科学） - 实施模板和优先事项
- claudcodesetup.md：完成初始设置指南
- 逐步安装MCP服务器 - Qdrant矢量数据库设置 - 代理实现代码 - 技术栈配置 - 验证和故障排除
- 建筑学.drawio：可视化架构图
- 分层代理结构 - 通信流 - 代理关系 - 使用Draw.io打开(https://app.diagrams.net/)
- TOOLS.md：完整的工具安装清单
- 所有必需的软件和软件包 - 安装命令 - 验证步骤 - 快速安装脚本
- CLAUDE.md：Claude Code的项目说明
- 概述和快速参考 - MCP服务器指南 - 发展模式 - 故障排除提示
关键架构概念
- 分层多智能体系统
- 四层架构：协调员→ 规划师→ 主管→ 专家 - 明确区分关注点 - 双向反馈回路 - 阻断者的升级路径
- 专业代理角色
- 发展：前端（React/Next.js）、Python ML/DL、R分析 - 基础设施：Qdrant矢量存储规格套件 - 质量：TypeScript验证器 - 研究：研究、浏览器、报告代理
- MCP集成
- 标准化工具协议 - 自定义MCP服务器（Qdrant、Supabase、TensorBoard） - 文件系统、GitHub、Web搜索集成
- 矢量驱动知识
- Qdrant用于语义代码搜索 - 自动代码库索引 - 文献检索 - 情境感知建议
______________________________________________________________________
故障排除
Claude代码问题
问题：“无效的API密钥”
- 解决方案：验证ANTHROPIC_API_KEY环境变量设置是否正确
问题：“超出费率限制”
- 解决方案：等待几分钟或升级您的Anthropic计划
Ollama问题
问题：“拒绝连接到本地主机：11434”
- 解决方案：确保Ollama正在运行
ollama serve
问题：“找不到型号：gemma2”
- 解决方案：先用
ollama pull gemma2
问题：“响应缓慢”
- 解决方案：Ollama在本地运行-性能取决于您的硬件。考虑使用较小的模型或云替代方案。
______________________________________________________________________
比较：克劳德代码与Ollama
| 功能 | 克劳德代码 | Ollama Gemma3 |
|---|---|---|
| 部署 | 云API | 本地 |
| 成本 | 按令牌付费 | 免费（设置后） |
| 速度 | 快速（云服务器） | 取决于硬件 |
| 隐私 | 数据发送到Anthropic | 完全私密 |
| 模型质量 | 克劳德·十四行诗4.5（非常高） | 杰玛2（好） |
| 设置复杂性 | 低（仅API密钥） | 中（安装Ollama） |
| 最适合 | 生产，高品质 | 开发，隐私 |
______________________________________________________________________
项目结构
PM-Agents/
├── README.md # This file
├── AGENT_ARCHITECTURE.md # Detailed agent specifications
├── claudcodesetup.md # Complete setup guide
├── TOOLS.md # All required tools and installation
├── architecture.drawio # Architecture diagram (open in Draw.io)
├── requirements.txt # Python dependencies
├── package.json # Node.js dependencies (MCP servers)
│
├── agents/ # Agent implementations
│ ├── base_agent.py # Base agent class
│ ├── coordinator/
│ │ └── coordinator_agent.py
│ ├── planner/
│ │ └── planner_agent.py
│ ├── supervisor/
│ │ └── supervisor_agent.py
│ └── specialists/
│ ├── speckit/ # Project initialization
│ ├── qdrant/ # Vector storage
│ ├── frontend/ # React/Next.js development
│ ├── python_ml/ # PyTorch ML/DL
│ ├── r_analytics/ # R statistical analysis
│ ├── ts_validator/ # TypeScript validation
│ ├── research/ # Research tasks
│ ├── browser/ # Web automation
│ └── reporter/ # Documentation
│
├── configs/ # Configuration files
│ ├── mcp_config.json # MCP server configuration
│ └── agent_prompts.json # Agent prompt templates
│
├── tools/ # Utility scripts
│ ├── init_qdrant.py # Initialize Qdrant collections
│ └── index_codebase.py # Index project code
│
├── templates/ # Project templates
│ ├── nextjs-supabase/ # Frontend template
│ ├── pytorch-ml/ # ML project template
│ └── r-analysis/ # R analysis template
│
└── examples/ # Example projects
├── web_app_example/
├── ml_pipeline_example/
└── analytics_dashboard_example/______________________________________________________________________
参考文献
- 项目管理知识体系指南 （第7版）-项目管理学会
- AI代理、MCP和A2A通信 -崔博士，CSUF
- 克劳德人类学文献 - https://docs.anthropic.com/
- Ollama文件 - https://ollama.ai/
- 模型上下文协议 -人体MCP规范
______________________________________________________________________
许可证
学术作业的教育用途。
作者
为信息系统课程作业创建-多代理项目管理系统
联系
有关此实现的问题，请联系您的课程讲师。