当前位置：首页 > news >正文

[特殊字符]大模型开发新革命！MCP Agent Graph：可视化拖拽，小白也能构建复杂AI系统

news 2026/6/15 23:25:49

MCP Agent Graph 是一个基于上下文工程（Context Engineering）理念构建的多智能体系统（Multi-Agent System）。集成了 Sub-agent、长期记忆、MCP、Agent-based Workflow 等功能。通过将上下文工程的最佳实践融入可视化的开发体验，MCP Agent Graph 让开发者能够快速构建、测试和部署复杂的多智能体应用。

1. 框架图

系统框架

用户使用流程

2. 核心特性

核心组件

特性	说明
Agent（智能体）	具备理解目标、使用工具、迭代优化、维护上下文和长期记忆能力的 AI 实体，通过自主执行动作解决开放式任务
Graph（工作流）	将多个智能体编排为结构化工作流，通过节点和边定义执行流程，适合可预测的多阶段任务
Model（模型）	支持多种 LLM 模型（Openai兼容），灵活配置 API Key
Memory（记忆）	短期记忆维护对话上下文，长期记忆跨会话存储用户偏好和 Agent 知识库
Prompt Center	中心化管理可复用的 Prompt 模板，支持分类组织、导入导出和跨项目引用

工作流能力

特性	说明
可视化图编辑器	前端拖拽式设计工作流，支持线性、并行、条件和嵌套等多种图类型，所见即所得
子图嵌套	将整个 Graph 作为单个节点嵌套使用，实现复杂工作流的模块化、复用和分层构建
Handoffs（智能路由）	节点动态选择下一个执行节点，支持智能决策、条件分支和迭代优化循环
Task（任务调度）	定时或周期性自动执行 Graph，支持 cron 表达式、并发实例和执行历史追踪

扩展能力

特性	说明
MCP 协议集成	通过标准化协议连接外部工具和数据源（数据库、API、文件系统、云服务等），一次连接即可使用
内置工具集	提供资源创建（Agent Creator、Graph Designer、MCP Builder、Prompt Generator、Task Manager）、协作（Sub-agent、File Tool）和查询（Memory Tool、System Operations）等系统工具
Python SDK	通过`pip install mcp-agent-graph`安装，使用 Python 代码构建和管理 Agent 系统

协作与管理

特性	说明
团队协作	管理员创建邀请码、管理团队成员、分配角色权限（超级管理员、管理员、普通用户）
对话管理	支持对话历史查看、文件附件管理和会话上下文维护

3. 前端功能展示

对话欢迎页

开始与 Agent 对话的入口界面，支持快速选择预设 Agent 或创建新对话。

工作空间 - 智能体管理

创建、配置和管理智能体，设置系统提示词、工具和模型参数。

工作空间 - 工作流管理

可视化拖拽式工作流设计器，支持多种节点类型和复杂流程编排。

工作空间 - 模型管理

配置和管理多个 LLM 模型，设置 API Key 和模型参数。

工作空间 - 系统工具箱

查看和配置系统内置工具，包括资源创建和协作工具。

工作空间 - MCP 管理

管理 MCP 服务器连接，配置外部工具和数据源集成。

工作空间 - 提示词管理

集中管理可复用的 Prompt 模板，支持分类和版本控制。

工作空间 - 文件管理

管理上传的文件和附件，支持文件预览和组织。

工作空间 - 记忆管理

查看和管理 Agent 的长期记忆和知识库。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。