agent MCP deployment

Agent MCP部署平台-AI Agent A2Z中间件

AI代理和MCP服务器托管和部署服务。代理和MCP部署中间件和托管基础设施-DeepNLP x AI代理A2Z

网站 | | AI代理市场 | AI代理A2Z

简介

DeepNLP x AI Agent A2Z（aiagenta2z.com）提供AI Agent和MCP部署的公共托管服务。用户可以为他们的代理/mcp项目获得一个唯一的实时子域端点，该端点可以在ChatGPT应用商店、Cursor等中分发和使用，以进行连接和使用 例如，实时URL： ${owner_name}.aiagenta2z.com/${repo_name}/mcp

访问部署面板

新闻

1. 托管您的网站是Live:Host，并在子域的根路径部署您的index.html主页。示例： https://craftsman-agent.aiagenta2z.com/, https://coachowl.aiagenta2z.com/ 以及更多。

特性

1. 各种部署方法：模板、github \_repo和源代码
2. GitHub/源代码：支持Python/Typescript，就像你在本地启动代理一样，你可以在我们的云容器中部署，节省资金，而无需租用云服务器或自己获取域名的高昂成本。
3. 模板：我们在各种商业模式中提供20多个模板，例如 selling product 和 digital resources 电子商务产品代理/mcps作为资源，供应商和内容创作者可以将他们的实物、数字资源（文档、文件、在线课程）等暴露给ChatGPT/Cursor。
4. 子域URL：每个用户都可以为您的代理拥有一个唯一的子域URL，能够验证和托管服务。
5. 网站首页：支持在根域部署网站，如 https://${subdomain}.aiagenta2z.com.
6. 支持代理/MCP/技能。您可以找到各种已准备好发布的代理/MCP部署模板。
7. 域名验证：我们支持OpenAI、WeCom、微信、钉钉等多种平台的子域名验证。
8. API监控和信用奖励：您可以访问 部署的代理API仪表板 查看部署代理和MCP的指标，以及 账单积分 赚得。

已部署示例

支持SDK和软件包

我们提供适用于各种包和框架的python和typescript运行时，例如 语言链 , 代理示波器等等。

快速入门

0.网站首页-Python

概述

此模板实现了一个基于python FastAPI的网站服务器，其中包含index.html的静态文件和包含图像的/static文件夹。 该网站已上线 https://craftsman-agent.aiagenta2z.com 已注册子域 作为“工匠代理人”。您可以使用此模板部署自己的网站，并使用实时URL作为 https://{subdomain}.aiagenta2z.com.

入口点

### Running Locally
uvicorn python.src.web:app

如需了解更多详情，请访问 README.md.

0.网站主页-字体

概述

此模板实现了一个基于typescript的网站服务器，其中包含index.html的静态文件和包含图像的/static文件夹。 该网站已上线 https://craftsman-agent.aiagenta2z.com 已注册子域 作为“工匠代理人”。您可以使用此模板部署自己的网站，并使用实时URL作为 https://{subdomain}.aiagenta2z.com.

入口点

pnpm run serve

如需了解更多详情，请访问 README.md

1.打字-MCP服务器

概述

此打字脚本MCP服务器实现了一个工具 greeting 和一个资源 index （assets文件夹中的html）在mcp.streamable_http_app（）中，并公开“/mcp”端点

部署步骤

1. 创建新的AI服务 人工智能服务项目

快速入门教程使用（quickstart/mcp_typescript），它遵循（用户名/项目名称）格式，您可以更改为（${your_user_name}/mcp_type script）

1. 首选 A2Z部署面板

选择方法 Github

公共URL:https://github.com/aiagenta2z/agent-mcp-deployment-templates/tree/main/quickstart/mcp_typescript

入口点起始脚本：

pnpm --prefix ./quickstart/mcp_typescript install
pnpm --prefix ./quickstart/mcp_typescript build
pnpm --prefix ./quickstart/mcp_typescript start

1. 点击 Deploy

结果

您可以在客户端上测试live/mcp URL，如Cursor、ChatGPT、Claude Code等。

{
    "mcpServers": {
        "quickstart-mcp-node": {
          "url": "https://quickstart.aiagenta2z.com/mcp_typescript/mcp"
        }    
    }
}

/reassets文件夹中的测试资源

https://quickstart.aiagenta2z.com/mcp_typescript/assets/index.html

参见示例 README.md 了解更多详情。

2.Python-MCP服务器

概述

此服务器实现两个工具 add greeting 在“/mcp”端点处的mcp.streamable_http_app（）中

部署步骤

1. 创建新的AI服务 人工智能服务项目

快速入门教程使用（quickstart/mcp_python），它遵循（用户名/项目名称）格式，您可以更改为（${your_user_name}/mcp_python）

2.转到 A2Z部署面板

选择方法 Github

公共URL:https://github.com/aiagenta2z/agent-mcp-deployment-templates/tree/main/quickstart/mcp_python

入口点起始脚本：

uvicorn quickstart.mcp_python.server:app

3.点击 Deploy

结果 您可以在客户端上测试live/mcp URL，如Cursor、ChatGPT、Claude Code等。

{
    "mcpServers": {
        "quickstart-mcp-python": {
          "url": "https://quickstart.aiagenta2z.com/mcp_python/mcp"
        }    
    }
}

参见示例 README.md 了解更多详情。

3.打字-代理

4.Python-代理

教程

1从源代码部署

1.1 Python-托管困惑深度研究代理的案例

比方说，你想实现一个基于困惑搜索API定制搜索API的MCP服务器和 想要公开一个工具 perplexity_research_agent(messages: List[Dict[str, str]]) perplexity_search_agent(question: str) 供用户使用。

源代码可以在

您已经准备好了以下信息：

需求

## Create a new project and Register AI Service
unique_id: jjjmc/perplexity_agent

## archived source code
git clone https://github.com/jjjmc/perplexity_agent
cd perplexity_agent

## archive the file
tar czvf perplexity_agent.tar.gz ./*
## zip on windows
perplexity_agent.zip

## Drag and Upload to Source

## Starting Command
uvicorn server:app

## pip requirement files in the archived source code perplexity_agent_code.zip
requirements.txt

步骤1。首选 Workspace->Agent Deployment 并参观 部署工作区

选择要部署“jjjmc/confused_agent”的项目

步骤2。切换选项卡：自定义Python/JS

拖放源代码存档文件 perplexity_agent_code.zip 上传

步骤3。选择配置和部署

Deploy Region: global 为了避免大多数ip限制）\ Entry Point：输入 uvicorn server:app，这是您用于在本地启动MCP/Agent服务器的命令， 例如，我们有一个server.py文件和一个app类，我们使用 uvicorn 要启动mcp，请避免指定任何 ports 我们使用动态赋值。\ Environment Variables：我们把 PERPLEXITY_API_KEY 和 DEEPNLP_ONEKEY_ROUTER_ACCESS 作为此字段中的键值对。请注意，您的访问密钥是安全的，我们将 在请求中使用传递密钥作为变量来启动容器中的服务。这相当于 .env 您上传的源中的文件。

PERPLEXITY_API_KEY=xxxxx
DEEPNLP_ONEKEY_ROUTER_ACCESS=xxxxx

步骤4。部署 点击部署按钮，请等待部署完成，您会发现您的子域实时网址已准备就绪！

MCP服务器URL: https://jjjmc.aiagenta2z.com/perplexity_agent/mcp

1.2打字-案例托管带有UI的算命应用程序

部署步骤

源代码可以从以下网址下载

创建AI服务 在 AI服务项目

从源部署

将源代码存档到 .zip 或 .tar.gz 文件

## archived source code
git clone https://github.com/aiagenta2z/agent-mcp-deployment-templates
cd chatgpt-apps/fortune-compass-agent

## archive the file
tar czvf fortune-compass-agent.tar.gz ./*
## or zip
fortune-compass-agent.zip

步骤1。首选 Workspace->Agent Deployment 并参观 部署工作区

选择要部署“your_user_name/forth compass代理”的项目

步骤2。切换选项卡：自定义Python/JS

拖放源代码存档文件 fortune-compass-agent.tar.gz 上传

步骤3。选择配置和部署

Deploy Region: global 为了避免大多数ip限制）\ Entry Point：这是用于启动MCP/Agent服务器的命令。

对于typescript部署，我们通常使用pnpm、npx等命令来启动服务器。既然我们正在建设 从源代码开始，平台将首先安装依赖项，构建到。/dist/server.js，从那里的js代码开始。

pnpm install
pnpm build
pnpm start

Environment Variables：如果适用

步骤4。部署 单击部署按钮并等待完成。

服务器URL: https://derekzz.aiagenta2z.com/fortune-compass-agent/mcp

{
   "mcpServers": {
       "fortune-compass-agent-live": {
         "url": "derekzz.aiagenta2z.com/fortune-compass-agent/mcp"
       }
   }
}

看 自述文件 详情请见

2.从GitHub回购进行部署

从Github Repo部署和你一样简单 git clone 从web启动项目，在本地启动mcp/agent服务器。 想象一下，你是共享托管云服务的租户，你只需要准备一个多行 entry_point.sh shell脚本，让我们知道您希望如何运行服务器。

2.1 ChatGPT应用程序示例

步骤1。将选项卡切换到GitHub

选择 Public URL 或 Private Repository 允许我们连接到您的私有GitHub仓库。

GitHub Repository URL: https://github.com/openai/openai-apps-sdk-examples\ Deploy Region：适用于您的计划的全球或地区

步骤2。准备你的进入命令 Entry Point (Startup Scripts): 这部分很重要，您可能需要尝试各种命令。 提示：

1. 每行输入一个命令。对于多进程代理/MCP部署（如ChatGPT Apps Solar System），包括构建和运行命令。
2. 最后一行应该是主MCP/Agent服务器运行的命令，以 uvicorn,python,pnpm,npm 等等不包括任何端口标志，端口将自动分配。
3. 依赖安装：不添加 node or pnpm install，云平台将通过读取您的package.json文件来处理它。
4. 静态文件构建和服务：ChatGPT应用程序将从“src”文件夹构建静态资源（Html/Css/Js），我们也缓存了预构建示例。

您也可以自己放置build命令。

1. 静态文件服务：chatgpt应用程序示例中的示例启动了两个web服务：“pnpm run serve”在端口4444上提供预构建静态文件，以及 uvicorn solar-system_server_python.main:app

是主MCP服务器的起始端点。成功部署的日志包括 Using BASE_URL http://localhost:4444 for generated HTML 和 Uvicorn running on http://0.0.0.0:8000。您必须确保您的命令“pnpm run serve&”add tracing“&”在后端运行，并防止阻塞脚本。

1. 任何未知故障：请记得通过以下方式联系我们： 我们将立即帮助您解决问题。

pnpm run build
pnpm run serve &
uvicorn solar-system_server_python.main:app

或另一个应用程序“厨房水槽mcp节点”

pnpm run build
pnpm run serve &
pnpm --filter kitchen-sink-mcp-node start

Environment Variables：如果适用

步骤3。部署 点击部署按钮，请等待部署过程完成，您会发现您的子域实时网址已准备就绪！

等待服务器完成，一旦完成，您可以在MCP客户端中复制并粘贴服务器网址，如“cursor”，

MCP服务器URL:\`https://derekzz.aiagenta2z.com/solar-system_server_python/mcp

您可以看到它是否已成功部署！

复制并粘贴到您的客户端

{
  "chatgpt-solar-system-mcp": {
    "url": "https://derekzz.aiagenta2z.com/solar-system_server_python/mcp"
  }
}

请参阅ChatGPT应用程序示例 README.md 了解更多详情。

2.2代理范围示例深度研究代理

示例

我们将实施和部署一个基于agentscope的深度研究代理，将原始的 深度研究实例 到 FastAPI服务器，并公开“/聊天”API端点，以便用户可以通过参数调用深度研究代理 messages 和 获取深入的研究报告

您还可以使用代理路由器游乐场（WebUI）开始与您的实时代理聊天。 访问URLhttps://agent.deepnlp.org/?agent=${unique_id}。请注意，返回的流块 应该遵循特定的格式来使用代理路由器Web UI。看 文档 #assembly_message函数了解更多详细信息

参见代理作用域示例 README.md 了解更多详情。

2.3 LangChain深度代理

我们总结了两个例子 content-builder-agent 和 deep_research LangChain DeepAgents的多代理示例，并将其上线。 示例

本指南展示了如何转换 LangChain深度代理 内容构建器代理使用 BaseLiveRuntime 来自人工智能代理市场

运行时封装您的代理并公开 FastAPI流媒体 /chat 端点 自动。

快速入门

from ai_agent_marketplace.runtime.base import *

async def content_builder_stream_generator(
    agent: Any,
    user_query: str,
    **kwargs
) -> AsyncGenerator[str, None]:
    """
    """
    ## more

runtime = BaseLiveRuntime(
    agent=agent,
    stream_handler=content_builder_stream_generator
)

## Returned a FastAPI based app with /chat endpoint
app = runtime.app

详细的部署步骤可以在 LangChain部署示例，请遵循 README.md 了解更多详情。

3从模板部署（测试版）

用例1销售产品

域名验证

AI Agent A2Z Agent和MCP平台提供子域验证服务，帮助您提交部署代理 访问各种应用商店，并验证您是否拥有这些域名，如ChatGPT应用商店、MCP官方注册中心、微信（腾讯）、微信、钉钉等。

转到部署->部署配置->域验证选项卡

您可以选择需要验证自定义子域的网站：https://{username}.aiagenta2z.com 切换选项卡，填写文件名和内容值，只需单击“验证域”。

1.ChatGPT应用程序提交和域验证

在ChatGPT应用程序管理页面上(https://platform.openai.com/apps-manage)，您可以通过填写表格提交您的AI代理。 您需要准备一个MCP服务器URL（例如。https://derekzz.aiagenta2z.com/fortune-compass-agent/mcp)并复制粘贴 文件路径下的验证码(https://derekzz.aiagenta2z.com/.well-known/openai-apps-challenge).

你可以去 Domain Verification AI代理A2Z部署选项卡(https://deepnlp.org/workspace/deploy)平台。

填写表格 openai-apps-challenge 平台上的代码。然后单击 Verify Domain 添加记录。 请等待一段时间，让记录生效。如果要更改内容，只需添加一条新记录，内容将被覆盖。

代理API仪表板

代理API仪表板可帮助您监控统计数据和信用帐户

部署AI代理后（例如。https://derekzz.aiagenta2z.com/fortune-compass-agent/mcp).这 部署的代理API仪表板 将监视到端点的传入流量。

您还可以访问详细信息页面来设置每次呼叫的API信用，然后您可以开始从您的努力中获得信用。 访问 账单积分 查看详细报告。

代理路由器

通过访问以真实用户流量启动您的AI代理 代理路由器网站,

您可以启动AI代理并将其暴露给真实用户，并通过代理路由器Web吸引用户访问流量(https://agent.deepnlp.org)通过注册a /chat 代理端点或 /mcp MCP终点。

1.带聊天端点的代理路由器

对于具有的代理API /chat 端点和 messages 输入，您可以使用接受 messages 格式化并返回结构正确的流块（包括必填字段，如 type, format, content，以及 message_id) 因此，路由器可以实时正确呈现文本、markdown、HTML、图像或其他MIME类型；

配置后，在以下网址公开访问您的代理

https://agent.deepnlp.org/?agent=${unique_id}

${unique_id} 跟随 {user_id}/{project_name} 格式

https://agent.deepnlp.org/?agent=agentscope/deep_research_agent

启用实时路由、流式UI渲染和生态系统曝光。

2.带MCP端点的代理路由器

要快速开始使用/mcp端点，请先单击 Green Add 按钮。在面板中，切换到“新建代理”选项卡。输入您的MCP名称和MCP服务器URL，就像在其他MCP客户端中一样，然后单击“连接”并等待连接成功。

连接后，单击添加代理以完成设置。然后，您的代理将作为基于web的MCP客户端提供，允许您探索和使用其工具和功能。

对于MCP API /mcp 端点，使用路由器UI中的“添加十字”绿色按钮连接您的MCP服务器URL，并像任何MCP客户端一样自动浏览其工具； 配置后，在以下网址公开访问您的代理 https://agent.deepnlp.org/?agent={unique_id}，实现实时路由、流式UI渲染和生态系统曝光。

请访问 代理路由器文档 了解更多详情。

3.代理MCP使用排名

代理和MCP API使用情况排名 https://deepnlp.org/agent/rankings

相关

AI代理市场注册表

开放人工智能代理市场

MCP市场

OneKey路由器AI代理和MCP排名

OneKey代理MCP路由器

OneKey AGent MCP路由器文档

AI代理数据集

Gemini纳米香蕉剂