AgentField 内置 MCP Server零配置让 Claude Code 等 AI 工具接入你的 Agent Mesh【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfieldAgentField 是一个让你像 API 和微服务一样构建、运行并扩展 AI Agent 的开源平台它的控制平面Control Plane内置了一个 MCPModel Context ProtocolServer与 REST API 共用同一个端口、默认开启、无需额外进程。这意味着你部署好 AgentField 之后Claude Code 等支持 MCP 的 AI 工具一条命令就能发现并驱动你集群里正在运行的所有 Agent——这就是零配置接入 Agent Mesh 的完整指南。为什么 Agent 平台需要内置 MCP过去如果你希望 Claude Code 这类AI 编程工具业内称为 harness调用你自己开发的 Agent通常要写一层胶水代码起一个独立的 MCP 服务进程、手动做身份认证、自己实现发现—调用—轮询结果的逻辑还要保证它和 Agent 生命周期同步。AgentField 的做法是把 MCP 端点直接嵌入控制平面本身它和你熟悉的 REST API 生活在同一个信任域里端点POST server/mcp默认http://localhost:8080/mcp传输方式streamable HTTP JSON-RPC 2.0无状态设计没有会话协商客户端不用维护任何连接状态默认开启想关掉只需设AGENTFIELD_MCP_ENABLEDfalse端点会直接返回 404同一套鉴权如果控制平面配置了AGENTFIELD_API_KEYMCP 端点同样要求该密钥不会比 REST API 更宽松路由注册逻辑可以直接在 routes_mcp.go 中看到工具的实现则在 mcp.go。官方说明文档在 mcp-integration.md。30 秒快速接入Claude Code 连接步骤整个接入过程只有一条命令claude mcp add --transport http agentfield http://localhost:8080/mcp其他任何 MCP 客户端也一样把 URL 指到server/mcp传输方式选httpstreamable-HTTP即可。由于是无状态传输没有别的东西需要配置。如果控制平面开启了 API Key 鉴权只需在客户端的 MCP 配置里加一个请求头X-API-Key: 你的密钥就这么多。没有独立进程要守护没有会话要维护控制平面重启了 MCP 端点也随它一起恢复。5 个核心工具发现、执行、等待覆盖完整闭环内置 MCP Server 对外暴露 5 个工具刚好覆盖发现 → 执行 → 轮询的常用闭环工具作用返回discover_agents列出 Agent 及其健康状态、reasoner 列表active只看健康的all包含不健康的id、health_status、last_heartbeat、各 reasoner 的描述与标签get_reasoner_schema查询某个 reasoner 的输入/输出 JSON Schema、描述和标签与发现接口一致的 Schema 定义execute_reasoner以node.reasoner为目标异步启动一次执行目标不存在时会明确提示先调discover_agents{ run_id, status: accepted }get_run查询某次 run 的当前状态status、result/error及每个执行步骤的摘要wait_run服务端持续轮询直到 run 结束或超时默认 60 秒硬上限 120 秒同get_run外加timed_out标志两个值得注意的设计细节结果统一为紧凑 JSON 文本块——这是 harness 最容易可靠解析的形态业务错误走 MCP 工具错误isError: true而不是传输层错误模型能看到目标不存在请先调 discover_agents这类提示并自己纠正。wait_run的超时硬上限尤其贴心一次工具调用永远不会把整个 harness 挂死实现见 mcp.go 的 wait 边界定义。一次真实调用流程4 步让 AI 工具替你跑 Agent假设你的集群里装了一个swe-planner节点带一个buildreasoner。Claude Code 拿到任务给仓库加 JWT 认证后会自然地按下面 4 步走discover_agents→ 找到swe-planner节点和它的buildreasonerget_reasoner_schema{ node: swe-planner, reasoner: build }→ 搞清楚输入长什么样execute_reasoner{ target: swe-planner.build, input: { goal: Add JWT auth } }→ 拿到{ run_id, status: accepted }wait_run{ run_id, timeout_seconds: 120 }→ 阻塞到执行结束或timed_out: true直接读result全程不需要 AI 工具写一行代码它只是看到了你的 Agent 集群并且知道怎么调用。这正是 MCP 的价值把 Agent Mesh 变成 AI 工具的原生工具面。安全边界与能力分层同一信任域/mcp和控制平面绑定在同一个地址上权限模型与 REST API 完全一致——它会启动异步执行、读取运行状态走的也是同一层服务与全局 API Key 鉴权。不要指望把端口暴露给不可信网络后/mcp会比/api/v1更安全它并不是。可彻底关闭AGENTFIELD_MCP_ENABLEDfalse会直接不注册该路由/mcp返回 404。能力分层MCP 覆盖的是发现 → 执行 → 轮询的通用路径afCLI 和 REST API 仍然是全能力路径会话、流式、取消树、密钥、负载感知调度等任务更复杂时切换到它们即可。小结你关心的AgentField 内置 MCP Server 的答案要部署几个进程0 个端点嵌在控制平面里同端口同生命周期要写多少配置Claude Code 一条命令可选一个 API Key 头能做什么发现健康 Agent、读 Schema、异步执行、等待结果安全吗与 REST API 同信任域、同鉴权可一键整体关闭文档在哪docs/mcp-integration.mdAgentField 把 Agent 当作微服务来编排而内置 MCP Server 则把整个 Agent Mesh 变成 AI 编程工具开箱即用的工具集——下一步你可以参考 README.md 里的示例如 SWE 工程团队、深度研究引擎装上几个现成 Agent 节点让 Claude Code 替你跑起来。【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfield创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考