Token导航 LogoToken导航TokenDH.com
MCP Agent Builder Go logo
AI代理未说明官方级别未说明来源级核验

MCP Agent Builder Go

MCP Server

Runloop是一个多模型AI工作流编排平台,支持构建、调度和自动化跨代码工具、聊天渠道、浏览器自动化和人工审批的AI工作流。

工具数

0

提示词数

0

GitHub Stars

5

资源数

0
AI工作流GoClaudeClaude

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

manishiitg

提供方

manishiitg

最后核验

2026/5/17 20:22

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

详细介绍

🚀 运行

CodeRabbit Pull Request Reviews ![Security Scan](https://github.com/manishiitg/mcp-agent-builder-go/actions) ![Dependency Scan](https://github.com/manishiitg/mcp-agent-builder-go/actions) ](https://golang.org/) ![React](https://reactjs.org/) ![License](#license--architecture-foundations)

运行 是一个多模型代理平台,用于跨编码工具、聊天渠道、浏览器自动化和人工审批构建、编排和调度AI工作流。

在macOS上安装(Apple Silicon)

curl -fsSL https://raw.githubusercontent.com/manishiitg/mcp-agent-builder-go/main/install.sh | bash

Claude Code、Codex、Gemini CLI和开放模型 在一个系统中。构建可视化工作流程,启动复杂的编排器,安排重复作业,并通过以下方式路由代理对话 Slack、WhatsApp和网络.

Runloop是为那些想要一个聊天框之外的团队而构建的:

  • 构建可视化代理工作流和长时间运行的编排器
  • 为每个步骤混合和匹配最佳的编码和推理模型
  • 安排自动化、重复作业和后台运行
  • 通过审批、反馈和升级路径让人保持知情
  • 将代理连接到Slack、WhatsApp、浏览器、Google Workspace和MCP工具

为什么选择Runloop

  • 默认情况下为多模型:在同一平台中使用Claude Code、Codex、Gemini CLI、OpenAI、Anthropic、Bedrock、Azure、MiniMax、OpenRouter和开放模型。
  • 可视化工作流程加上实际执行:在画布上设计工作流,然后使用内置的工具、浏览器自动化、内存和评估运行它们。
  • 专为操作而非演示而构建:从第一天开始,添加日程安排、可观察性、验证、批准和安全的工作空间隔离。
  • 实践中与协议无关:支持MCP,但Runloop比任何单一协议、提供商或模型供应商都更广泛。

你能建造什么

  • 编码工作流程 跨Claude Code、Codex、Gemini CLI和开源编码模型进行授权
  • 计划自动化 用于研究、支持、报告或后台操作
  • 人类在环代理 暂停审批、2FA代码或操作员反馈
  • Slack和WhatsApp代理 继续在仪表板外进行对话
  • 浏览器驱动的工作流 登录、点击应用程序、收集数据和完成任务

使用

编码和LLM模型

  • 克劳德代码 通过 @anthropic-ai/claude-code CLI实验模式
  • Codex风格的代理模型 通过OpenAI和Azure AI Foundry
  • Gemini CLI 通过 @google-gemini/gemini-cli
  • 开源和前沿模型 通过OpenRouter、Bedrock、Vertex AI和直接提供商集成

通道、工具和连接器

  • Slack, WhatsApp,以及基于webhook的自定义聊天界面
  • Google 工作区 适用于Gmail、云端硬盘、日历、文档和表格
  • 浏览器自动化 通过Vercel代理浏览器、Playwright和本地CDP桥接
  • MCP服务器、本地工具、工作区文件和自定义连接器

为什么团队选择它

  • 用耐用的工作流程取代易碎的提示链
  • 针对正确的步骤使用正确的模型,而不是对一个供应商进行标准化
  • 将编码代理、操作自动化和人工审批整合到一个系统中
  • 可以随着时间的推移进行监控、评估和改进的船舶代理工作流程

______________________________________________________________________

⚡ 平台概述

Runloop的核心是 工作流系统,通过可视化工作流构建器管理的基于有向步骤的工作流运行时。

直观地设计复杂的工作流程,通过交互式构建器对其进行优化,然后使用步骤级配置、分层LLM选择、确定性预验证、评估运行、调度、成本跟踪和持久运行数据运行它们。

🧠 学习、验证和可观察性

通过内置的优化、验证和运行可见性,超越静态提示。

  • 学习架构: 工作流学习现在以共享的全局技能、步骤级元数据和为脚本步骤保存的脚本为中心。
  • 确定性预验证: 一个高速、基于代码的验证层,它使用JSON模式和一致性规则来验证工件,具有零令牌成本和绝对精度。
  • 评估和基准: 一个专用的测试套件,在隔离的环境中执行工作流,以生成性能、成本和准确性指标,这对生产准备至关重要。
  • 连续可观测性: 跨工作流、运行文件夹和计划运行视图的执行日志、成本、评估报告、学习和运行历史记录。
  • 成本和原木计量: 令牌使用、模型成本和执行日志跨工作流阶段、运行、步骤和模型进行跟踪。
  • 持久存储: 工作流可以持久化结构化运行数据,用于报告、知识库更新和后续分析。
  • Swarm代表团: 使您的主代理能够动态生成独立的子代理,在分布式集群中并行执行复杂的研究、编码或数据提取任务。
  • 任务编排: 自动管理状态、依赖关系和上下文窗口的智能子任务路由。

🛡️ 安全和护栏

使用为严格环境设计的确定性控制进行部署。

  • 折叠防护: 运行时读/写验证封装了工作区工具,因此代理只允许在每个模式或步骤中访问文件夹。
  • 多用户身份验证和工作区隔离: 每用户工作区隔离、用户作用域路径和沙盒shell执行可保护用户免受跨租户污染。
  • 秘密: 将凭据安全地注入代理查询、工作流步骤和委托代理中,而不会在聊天历史或日志中公开它们。
  • 受限配置模式: 可选地锁定提供程序/模型配置,以便服务器使用环境注入的API密钥(LLM_CONFIG_LOCKED)秘密永远不会到达浏览器。
  • 安全MCP OAuth: 无缝、自动发现OAuth 2.0流,用于安全连接企业MCP服务器。

👁️ 自动化、连接器和浏览器控制

将代理连接到真实的系统和通信渠道。

  • 谷歌工作区(GWS): 原生CLI注入授予代理对Gmail、Drive、Calendar、Docs和Sheets的确定性、范围访问权限。
  • Vercel代理浏览器: 高级浏览器自动化引擎,用于复杂的web交互、DOM分析和视觉基础。
  • 浏览器系统: 涵盖了浏览器会话管理、运行时限制和跨提供商的浏览器集成模式。
  • 机器人连接器: 通过Slack、WhatsApp、web模拟器和自定义连接器界面公开专门的代理会话。
  • 工作流调度: 按照具有历史记录、路由和运行状态跟踪的定期计划运行工作流。
  • 本地工作区模式: 当首选本机执行而非容器化工作区模式时,直接对本地文件夹运行工作区操作。

🤝 人在循环操作

当工作流需要批准、干预或其他输入时,让操作员参与其中。

- 智能延迟通知:如果用户在2分钟内没有在UI中响应,编排器会自动ping配置的Slack频道。 - 主题对话:用户可以直接在Slack线程中回复以提供所需的信息,然后实时反馈给代理的上下文。 - 多用户协作:整个团队都可以通过Slack监控代理进度并进行干预,而无需打开仪表板。

______________________________________________________________________

🧩 LLM配置和提供程序

Runloop与提供者无关。用户在UI中配置已发布的LLM,然后将其分配给聊天会话、工作流阶段和工作流层。

  • LLM配置和弹性: 已发布的LLM包含提供商、型号、API密钥、温度和型号特定选项;在默认模式下,后端在启动时不需要提供程序密钥。
  • 分层LLM分配: 工作流步骤可以使用分层模型选择,并使用单独的阶段LLM配置进行规划、构建、评估和调试风格阶段工作。
  • Azure AI Foundry: 较新的代理模型部署支持Azure OpenAI和Responses API路由。
  • 基于环境的默认值: 可选默认值和锁定的服务器端配置可用于托管部署。
  • 提供商包括OpenAI兼容端点、Anthropic、Google Gemini/Vertex、AWS Bedrock、Azure AI Foundry、MiniMax、OpenRouter和本地/CLI支持的代理集成。

🛠️ 本地CLI代理

通过以下方式将现有的基于CLI的编码代理引入可视化编排器 MCP桥接层:

  • 克劳德代码:与本地集成 @anthropic-ai/claude-code CLI通过实验性互动会话。
  • Gemini CLI:与 @google-gemini/gemini-cli.
  • 状态持久化:支持 --resume 功能,允许可视化编排器在CLI重启时维护长时间运行的编码会话。

______________________________________________________________________

💻 桌面应用程序(macOS)

一个独立的macOS应用程序可用——没有Docker,也没有手动服务器设置。每个版本都发布在 发布.

安装(建议使用一个衬里)

curl -fsSL https://raw.githubusercontent.com/manishiitg/mcp-agent-builder-go/main/install.sh | bash

下载最新的dmg,安装 Runloop.app/Applications,删除macOS隔离标志(无“损坏”警告),并启动应用程序。用以下方式固定特定版本 RUNLOOP_VERSION=v1.25.6 curl -fsSL … | bash.

手动安装

  1. 下载 Runloop--arm64.dmg 从最新版本。
  2. 打开dmg,拖动 运行 应用程序。

首次启动错误: *“Runloop已损坏,无法打开”*

当前版本为 未签名且未公证,因此macOS Gatekeeper会在下载时标记它。应用程序本身很好——你只需要清除macOS自动附加到下载文件的隔离标志。

推荐-终端(适用于所有macOS版本):

xattr -cr /Applications/Runloop.app

然后双击Runloop。如果macOS仍然抱怨,请删除您下载的dmg:

xattr -cr ~/Downloads/Runloop-*.dmg

sudo 需要-自从您将应用程序拖入应用程序后,您就拥有了它。

系统设置(有时有效,取决于macOS版本): 对于Sequoia/Tahoe上的“损坏”判决,macOS通常会完全隐藏“无论如何打开”按钮,因此此路径通常不会出现。如果是这样:

  1. 打开 系统设置→ 隐私和安全.
  2. 滚动到安全部分。如果你看到 *“Runloop已被阻止使用…”* 带着一个 无论如何打开 按钮,单击它。
  3. 在对话框中确认。macOS会记住这个决定。

如果按钮不在,请返回 xattr 上面的命令。

首次推出用户体验

首次运行时,应用程序会提示两件事:

  1. 工作区文件夹 --选择你的位置 workspace-docs/ 生活(技能、配置、日程、WhatsApp数据库、加密的提供商密钥)。默认为 ~/Library/Application Support/runloop-desktop/workspace-docs/.
  2. 授权密码 --用于加密的秘密 provider-api-keys.json。如果您从以前的设置中移动,请输入您在那里使用的相同密码。否则,选择一个强值并记住它(在打开此工作区的每台机器上都需要它)。

之后,通过应用内提供商auth流添加提供商API密钥(OpenAI、Gemini、Anthropic等)。它们在静态时被加密 /config/provider-api-keys.json.

为什么不签字?

代码签名+苹果公证需要一个苹果开发者ID(99美元/年),并且正在制定路线图。在此之前,首次安装时,手动隔离步骤是不可避免的。

______________________________________________________________________

🚀 快速启动(地方发展)

1.先决条件

  • 转到1.24+
  • Node.js 20+和npm
  • 根据您启用的内容,可选的本地工具包括:Claude Code、Gemini CLI、兼容Codex的CLI、浏览器工具、AWS/GCP CLI等。

2.克隆和配置

git clone https://github.com/manishiitg/mcp-agent-builder-go.git
cd mcp-agent-builder-go
cp agent_go/env.example agent_go/.env

编辑 agent_go/.env 如果需要,用于本地应用程序/运行时设置。LLM提供程序和API密钥是在启动后从应用程序UI配置的,而不是通过将README示例编辑到 .env.

安装依赖项:

cd frontend
npm ci

cd ../agent_go
go mod download

3.在本地运行一切

使用中的一个命令启动后端、工作区API、前端和Electron agent_go/:

cd agent_go
./run_server_with_logging.sh --with-workspace --with-frontend

默认本地端口:

服务默认URL
代理APIhttp://localhost:18743
工作区APIhttp://localhost:18744
前端http://127.0.0.1:51733

跑步者更喜欢这些港口。如果一个端口已被占用,它会选择下一个可用端口并打印最终URL agent_go/logs/.

4.仅前端开发

当后台和工作区API已在运行时使用此选项:

cd agent_go
./run_server_with_logging.sh --only-frontend

这将启动Vite+Electron。上面写着 AGENT_PORTWORKSPACE_PORTfrontend/public/runtime-config.js 当该文件已经存在时。

5.前端构建模式

使用此功能运行前端,就像生产静态构建一样,无需Vite热重载:

cd agent_go
./run_server_with_logging.sh --only-frontend --build

此构建 frontend/,在前端端口上提供静态输出,并针对该静态服务器启动Electron。

您可以显式覆盖端口:

AGENT_PORT=18743 WORKSPACE_PORT=18744 FRONTEND_PORT=51733 ./run_server_with_logging.sh --only-frontend --build

6.干净地停止和重新启动

当跑步者在前台时,按 Ctrl+C。该脚本停止子进程并打印已释放的端口。

如果启动程序说某个端口仍然繁忙,请检查它:

lsof -nP -iTCP:51733 -sTCP:LISTEN
lsof -nP -iTCP:18743 -sTCP:LISTEN
lsof -nP -iTCP:18744 -sTCP:LISTEN

7.调试本地API流量

后端请求日志写在 agent_go/logs/。服务器记录API开始/结束行,包括状态代码和持续时间,这在前端出现阻塞或同时触发太多请求时很有用。

有用的检查:

curl -fsS http://localhost:18743/api/health
curl -fsS http://localhost:18744/api/health

8.验证命令

# Backend compile check
cd agent_go
go test ./cmd/server -run '^$'

# Frontend type check
cd frontend
./node_modules/.bin/tsc -b

______________________________________________________________________

☁️ 生产部署拓扑

在对您的安全态势有意义的地方部署您的代理基础设施。

1.Azure虚拟机(最大安全隔离)

企业部署的推荐拓扑。利用Azure VM来利用深度Linux内核功能(命名空间, unshare)用于代理运行之间的绝对文件系统隔离。

cd deploy/azure/terraform
terraform init && terraform apply
cd .. && ./deploy_vm.sh  all
阅读Azure VM部署蓝图

2.Kubernetes(高可用性集群)

使用标准的Helm式舱单设计用于大规模和弹性。

./deploy/k8s/scripts/deploy-k8s.sh --build
阅读Kubernetes部署蓝图

______________________________________________________________________

🤝 加入革命

我们正在构建确定性人工智能编排的未来。强烈鼓励捐款!

# Setup development guardrails
./scripts/install-git-hooks.sh

# Run the Go orchestration test suite
cd agent_go && go test ./...

# Audit for secrets
./scripts/scan-secrets.sh

📄 许可证和架构基础

根据MIT许可证获得许可。

基于:

目录标签

目录标签

AI工作流GoClaude本地部署多模型平台自动化编排浏览器自动化Slack集成多模型编排

支持客户端

Claude

接入字段

传输方式(transport,传输协议)

未说明

鉴权方式(authType,认证方式)

oauth

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

未说明oauth部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

仍需确认:installCommand

来源信息

继续浏览同类 MCP