# Autogen-MCP-Server

Ein hierarchisches MCP-System mit AutoGen Multi-Agent-Architektur für die Koordination spezialisierter KI-Agenten.

## 🎯 Projektziel

Dieses Projekt implementiert einen intelligenten MCP (Model Context Protocol) Server, der als Einstiegspunkt für ein System aus spezialisierten KI-Agenten fungiert. Das System ermöglicht es, komplexe Anfragen automatisch an die am besten geeigneten Experten-Agenten zu routen und koordinierte Antworten zu liefern.

## 🏗️ Architektur

```
MCP Client (AnythingLLM) 
    ↓
Hauptserver (MCP Server)
    ↓
Moderator-Agent (AutoGen)
    ↓
Spezialisierte Agenten
    ↓
Spezialisierte MCP Server
```

### Komponenten

- **🚪 Hauptserver**: MCP-konformer Einstiegspunkt für Clients
- **🎭 Moderator-Agent**: Intelligente Koordination und Routing
- **🔧 Spezialisierte Agenten**: Experten für spezifische Domänen (Azure DevOps, Datenbanken, etc.)
- **⚙️ MCP-Server**: Spezialisierte Backend-Services für jeden Agenten
- **📋 Konfigurationssystem**: YAML/JSON-basierte Agenten-Konfiguration

## 🌟 Hauptfeatures

### ✅ Intelligente Anfragerouting
- Automatische Erkennung der passenden Experten-Agenten
- Keyword-basierte und semantische Routing-Regeln
- Fallback-Strategien für unbekannte Anfragen

### ✅ Konfigurierbare Agenten
- YAML/JSON-Konfiguration für alle Agenten
- Plug-and-Play-Architektur für neue Domänen
- Hot-Reload für Konfigurationsänderungen

### ✅ Enterprise-Ready
- Umfassende Fehlerbehandlung
- Logging und Monitoring
- Skalierbare Architektur
- Sicherheitsfeatures

## 🚀 Anwendungsfall

**Beispiel-Workflow:**
1. Benutzer stellt Frage zu Azure DevOps in AnythingLLM
2. AnythingLLM sendet Anfrage an unseren MCP Server
3. Moderator-Agent analysiert die Anfrage
4. Azure DevOps-Spezialist wird aktiviert
5. Spezialist nutzt Azure DevOps MCP Server für Informationen
6. Antwort wird über die Kette zurück an den Benutzer geliefert

## 📝 Konfigurationsbeispiel

```yaml
# autogen-config.yml
moderator:
  name: "AgentModerator"
  model: "gpt-4"
  system_message: "Du koordinierst spezialisierte Agenten..."

agents:
  - name: "AzureDevOpsAgent"
    specialization: "azure_devops"
    model: "gpt-4"
    mcp_server:
      url: "mcp://azure-devops-server"
      tools: ["get_work_items", "create_pull_request"]
    
  - name: "DatabaseAgent"
    specialization: "database"
    model: "gpt-3.5-turbo"
    mcp_server:
      url: "mcp://database-server"
      tools: ["query_db", "get_schema"]

routing_rules:
  - keywords: ["azure", "devops", "pipeline", "build"]
    agent: "AzureDevOpsAgent"
  - keywords: ["database", "sql", "query", "table"]
    agent: "DatabaseAgent"
```

## 🛠️ Technologie-Stack

- **Python 3.13+**
- **AutoGen**: Multi-Agent Framework
- **MCP SDK**: Model Context Protocol
- **Pydantic**: Konfigurationsvalidierung
- **PyYAML**: Konfigurationsparsing
- **AsyncIO**: Asynchrone Operationen

## 🎯 Entwicklungsphasen

### Phase 1: MVP (Minimum Viable Product)
- [x] Grundlegende MCP Server Implementierung
- [x] Einfacher Spezialist-Agent (Azure DevOps)
- [x] Basis-Konfigurationssystem

### Phase 2: Moderator-System
- [ ] Moderator-Agent Implementierung
- [ ] Intelligente Anfragerouting
- [ ] Multi-Agent-Koordination

### Phase 3: Erweiterte Konfiguration
- [ ] Vollständiges YAML/JSON-Konfigurationssystem
- [ ] Mehrere spezialisierte Agenten
- [ ] Hot-Reload-Funktionalität

### Phase 4: Enterprise-Features
- [ ] Umfassende Fehlerbehandlung
- [ ] Logging und Monitoring
- [ ] Performance-Optimierungen

### Phase 5: Erweiterungen
- [ ] Plugin-System für neue Agenten
- [ ] Web-UI für Konfiguration
- [ ] Analytics und Metriken

## 🔧 Installation & Setup

```bash
# Repository klonen
git clone https://github.com/KonnosPB/Autogen-MCP-Server.git
cd Autogen-MCP-Server

# Abhängigkeiten installieren
pip install -r requirements.txt

# Konfiguration anpassen
cp config/example-config.yml config/config.yml
# config.yml bearbeiten...

# Server starten
python src/main.py
```

## 📊 Vorteile

### Für Entwickler
- **Modulare Architektur**: Einfache Erweiterung um neue Domänen
- **Konfigurierbar**: Keine Code-Änderungen für neue Agenten
- **Testbar**: Isolierte Komponenten für einfache Tests

### Für Unternehmen
- **Skalierbar**: Neue Experten-Domänen ohne Neudeployment
- **Wartbar**: Zentrale Konfiguration
- **Ausfallsicher**: Fallback-Strategien und Fehlerbehandlung

### Für Benutzer
- **Intelligent**: Automatische Weiterleitung an die richtige Expertise
- **Schnell**: Direkte Verbindung zu spezialisierten Services
- **Umfassend**: Ein Interface für viele verschiedene Domänen

## 🤝 Beitragen

Wir freuen uns über Beiträge! Siehe [CONTRIBUTING.md](CONTRIBUTING.md) für Details.

## 📄 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert - siehe [LICENSE](LICENSE) für Details.

## 🌍 Roadmap

- **Q1 2025**: MVP mit Azure DevOps Integration
- **Q2 2025**: Mehrere spezialisierte Agenten
- **Q3 2025**: Enterprise-Features und Monitoring
- **Q4 2025**: Plugin-System und Web-UI

## 📞 Support

- **Issues**: GitHub Issues für Bugs und Feature-Requests
- **Diskussionen**: GitHub Discussions für Fragen und Ideen
- **Dokumentation**: [Wiki](https://github.com/KonnosPB/Autogen-MCP-Server/wiki)

---

*Dieses Projekt kombiniert die Kraft von AutoGen Multi-Agent-Systemen mit der Flexibilität des Model Context Protocol für eine neue Generation intelligenter Assistenten.*