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

# 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)

• Grundlegende MCP Server Implementierung
• Einfacher Spezialist-Agent (Azure DevOps)
• 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

# 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 für Details.

📄 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert - siehe 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

---

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