能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🔗 REST API 🧠 Claude ✨ GPT 🖥 本地 LLM

🔌

MCP工具

自主AI代理

基于 Python · 让 AI 助手直接操作你的系统与工具

英文名：autonomous-ai-agency

⭐ 4 Stars 💻 Python 📄 未公布协议 🏷 AI 8.0分

8.0AI 综合评分

aimcpautonomous

⚙️ 配置说明 🔍 查看原项目 📺 TG 频道

✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐：自主AI代理是一款优质的MCP工具。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。

📚 深度解析

自主AI代理是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装自主AI代理，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。自主AI代理提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将自主AI代理评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

自主AI代理是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 4

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

未公布

AI 综合评分

8.0 分

工具类型

MCP工具

Forks

—

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/strikersam/autonomous-ai-agency

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "--ai--": {
      "command": "npx",
      "args": ["-y", "autonomous-ai-agency"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 自主AI代理 执行以下任务...
Claude: [自动调用 自主AI代理 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "__ai__": {
      "command": "npx",
      "args": ["-y", "autonomous-ai-agency"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 74/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

What's New

🧙 Setup Wizard

The wizard helps you choose providers, models, runtimes, a default agent, and a cost policy.

Setup

1. Clone and install

git clone https://github.com/strikersam/autonomous-ai-agency.git
cd autonomous-ai-agency
python -m venv .venv && source .venv/bin/activate
pip install -r backend/requirements.txt

Cloud deployment (Render + GitHub Pages)

Push to master — CI does the rest:

Python 3.13 tests · frontend build · lint · SAST · secret scan · CVE audit
Docker build → Render deploy hook → health check
React build → GitHub Pages

Required secrets:
  RENDER_DEPLOY_HOOK_URL   → Render → service → Settings → Deploy Hook
  RENDER_BACKEND_URL       → your Render service URL

Live demo: - Frontend: https://strikersam.github.io/autonomous-ai-agency/ - API: https://autonomous-ai-agency.onrender.com/docs (pending Render service rename; currently still served at https://local-llm-server.onrender.com/docs until the Render dashboard service is renamed)

Render free tier sleeps after 15 min of inactivity (~30 s cold start). Upgrade to Starter ($7/mo) for always-on in production.

---

Screenshots

Screenshots captured from live deployment. Run pytest tests/e2e/ --screenshot=on to regenerate.

🧭 Settings and guardrails

Central settings: defaults, policies, and integrations in one place.

2. Configure

cp .env.example .env

Minimum viable .env for local development (no MongoDB, no GPU):

STORAGE_BACKEND=sqlite         # zero-dependency storage
ADMIN_EMAIL=you@example.com
ADMIN_PASSWORD=changeme
SECRET_KEY=$(openssl rand -hex 32)
NVIDIA_API_KEY=nvapi-...       # free at build.nvidia.com — no GPU needed

Full list of variables: docs/configuration.md

6. Connect your AI coding tools (optional)

// Cursor — settings.json
{
  "cursor.ai.openaiBaseUrl": "http://localhost:8000",
  "cursor.ai.openaiApiKey": "your-api-key-here"
}

See client-configs/ for Aider, Continue, Zed, VSCode, and Claude Code.

---

Configuration reference

Variable	Default	Description
`SECRET_KEY`	(required)	JWT signing key — `openssl rand -hex 32`
`STORAGE_BACKEND`	`mongo`	`sqlite` for zero-dependency storage
`MONGO_URL`	`mongodb://localhost:27017`	MongoDB connection string
`OLLAMA_BASE_URL`	`http://localhost:11434`	Local Ollama server
`LLM_PROVIDER`	`ollama`	`ollama` · `nvidia-nim` · `deepseek` · `bedrock` · `anthropic`
`NVIDIA_API_KEY`	(optional)	Free-tier cloud inference — no GPU required
`AWS_ACCESS_KEY_ID` + `AWS_SECRET_ACCESS_KEY`	(optional)	AWS Bedrock
`ANTHROPIC_API_KEY`	(optional)	Direct Anthropic API
`DEEPSEEK_API_KEY`	(optional)	DeepSeek cloud API
`GITHUB_TOKEN`	(optional)	Required for agents that open PRs or read issues
`LANGFUSE_HOST` + keys	(optional)	Observability traces
`TELEGRAM_BOT_TOKEN`	(optional)	Remote control via Telegram
`ADMIN_EMAIL` + `ADMIN_PASSWORD`	(optional)	First admin — created on first boot
`RUNTIME_DOCKER_ENABLED`	`false`	Enable Docker agent runtime

Or via API:

curl -X POST http://localhost:8001/api/company/{id}/onboarding/start \ -H "Authorization: Bearer <your-token>" \ -H "Content-Type: application/json" \ -d '{"website_urls": ["https://yourcompany.com"]}' ```

The workflows

Workflow	Trigger	What it does
`issue-context-generator.yml`	Any issue `opened`, or `quick-note` label added	Fetches the linked URL, generates a grounded prompt + TODO plan, commits `docs/context/issue-N.md`, opens a draft PR, closes the issue.
`bulk-issue-context.yml`	Manual (`workflow_dispatch`)	Backfills all open issues in one run. Supports `dry_run`, label exclusions, explicit `issue_numbers` targeting, and `regenerate` mode (updates an existing draft PR in place — preserves the PR number).
`process-quick-note.yml`	Schedule / manual	Picks up a context branch and implements the plan — runs the agentic loop, tests, applies review feedback, and opens its PR as a draft. Reuses an existing `claude/context-issue-N` branch so implementation commits land on the pre-built draft PR.

Feature maturity — what's stable vs. beta

We'd rather under-promise. Here's the honest split (see docs/architecture/feature-maturity-matrix.md and docs/support-matrix.md for the full breakdown):

Area	Maturity	Notes
OpenAI-compatible proxy (`/v1/chat/completions`)	Stable	Used daily by Claude Code, Cursor, Aider, Continue.
Multi-provider routing + failover	Stable	Bedrock -> NIM -> DeepSeek -> Anthropic -> Ollama chain with per-provider cooldown.
Technology scanner (HTML + DNS + TLS + headers)	Stable	BuiltWith-parity off-HTML evidence; headless escalation for bot-walled sites is best-effort and needs Chromium installed in the deployment.
Task workflow + dispatcher + HITL gates	Stable	Persisted state machine, crash-recovery reconciler.
Scheduled tasks / persistent schedule store	Stable	Durable across redeploys — `ScheduleStore` works with both Mongo and SQLite; `AgentScheduler` rehydrates every cadence on boot; APScheduler's worker thread dispatches `on_fire` coroutines onto the FastAPI main loop via `run_coroutine_threadsafe`, so 24x7 cadences produce tasks instead of dying on a cross-loop error.
Skill bindings + dynamic skill registry	Stable	GitHub discovery with ETag caching and rate-limit semaphores.
Langfuse observability + local TCO cost model	Stable	Cost figures are an estimated commercial-equivalent model, not a billed invoice.
Telegram bot remote control	Beta	Works; long-running 24x7 deployment paths are still hardening.
Multi-agent orchestration (CEO -> specialists)	Beta	Plan->execute->verify loop is solid for single-specialist jobs; deep multi-hop swarms are experimental.
External agent runtimes (Goose / Hermes / OpenHands)	Experimental	Optional sidecars; the Doctor reports them as warnings, never gating, when absent.

If a screen or capability isn't listed above, treat it as experimental.

---

🇨🇳 中文文档镜像 AI 翻译 2026-06-24

英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。

📌 简介

autonomous-ai-agency 是一个旨在实现自主化 AI 代理协作的项目。它能够模拟企业级的工作流，通过集成多种 AI 模型与工具，构建一个能够自动处理任务、生成文档并进行代码协作的智能代理生态系统。

⚡ 功能介绍

本项目引入了全新的 Setup Wizard 功能，通过可视化向导帮助用户快速选择 AI Provider、模型、Runtime 以及默认 Agent。同时，系统内置了完善的 Cost Policy（成本策略）管理，确保 AI 代理在执行任务时处于可控的预算范围内。

🛠 安装步骤（Docker/pip/源码）

项目提供了便捷的 Setup Wizard 安装向导。开发者首先需要通过 git clone 获取源码，并使用 python 创建虚拟环境（.venv）进行依赖安装。安装过程中，向导会引导你配置运行环境、选择模型及设置成本策略，确保项目能够快速进入开发状态。

⚙️ 配置说明（含 MCP / env）

项目的核心配置集中在 Settings 界面，用于统一管理默认设置、策略及各类 Integrations。开发者可以通过配置 .env 文件进行本地开发，支持使用 sqlite 作为零依赖的 STORAGE_BACKEND。此外，系统还支持通过配置 Cursor、Aider、Continue、Zed、VSCode 或 Claude Code 等 AI 编程工具，实现与本地服务的无缝连接。

🔌 API 说明

除了图形化界面，开发者还可以通过 API 直接调用系统功能。例如，可以通过发送 POST 请求至 onboarding 接口，并携带 Authorization Token 与 JSON 数据，实现自动化引导流程，非常适合集成到现有的企业工作流中。

🔄 工作流/模块

项目内置了高度自动化的 Workflow 模块。例如，`issue-context-generator.yml` 工作流可以监控 GitHub Issue 的状态，当检测到特定标签或事件时，自动抓取相关 URL，生成基于事实的 Prompt 与 TODO 计划，并自动提交文档、创建 Draft PR，实现从问题发现到方案生成的全自动化闭环。

🎯 aiskill88 AI 点评 A 级 2026-06-24

高质量的开源MCP工具，实现AI自动化和智能代理