Medical Agents AOP Server

医疗代理AOP服务器

使用AOP（代理编排协议）部署多个专业医疗代理作为MCP工具的生产就绪模板 swarms 图书馆。此服务器将代理作为可调用工具公开，任何兼容MCP的客户端都可以发现和执行。

所得

• 多个以领域为重点的医疗代理（实验室、ICD-10标测、治疗方案、药物相互作用、影像分诊、临床记录总结）
• 将每个代理注册为MCP工具的单个AOP服务器
• 合理的默认值、安全语言和结构化输出
• 自定义和MCP客户端使用的清晰示例

安装

pip install -r requirements.txt

快速入门：运行服务器

此存储库附带了一个即用型服务器 app.py 登记了六名医疗代理人。

python app.py

默认情况下，服务器在端口上启动 8000 并使用代理的注册表将每个代理注册为MCP工具 agent_name。您应该看到指示服务器名称的日志(MedicalAgentServer)以及注册的工具。

自定义AOP设置（端口、主机、日志记录、队列）

在 app.py，AOP实例的创建方式如下：

deployer = AOP(
    server_name="MedicalAgentServer",
    description="...",
    port=8000,
    verbose=True,
    log_level="INFO",
)

您可以调整：

• port：更改监听端口（例如。， port=8010)
• host：外部绑定（例如。， host="0.0.0.0")
• verbose 和 log_level：增加/减少日志记录("DEBUG", "INFO", "WARNING", "ERROR")
• 提高吞吐量的队列选项：

- queue_enabled=True - max_workers_per_agent=2 - max_queue_size_per_agent=500 - processing_timeout=60 - retry_delay=2.0

例子：

deployer = AOP(
    server_name="MedicalAgentServer",
    port=8010,
    host="0.0.0.0",
    verbose=True,
    log_level="DEBUG",
    queue_enabled=True,
    max_workers_per_agent=2,
    max_queue_size_per_agent=500,
    processing_timeout=60,
    retry_delay=2.0,
)

添加或修改代理

使用清晰的系统提示和元数据定义代理，然后将其添加到服务器中。您可以一次添加一个代理或多个代理。

最小示例（单个代理）：

from swarms import Agent

my_agent = Agent(
  agent_name="My-Custom-Agent",
  agent_description="Explains X and summarizes Y for educational purposes",
  model_name="claude-haiku-4-5",
  max_loops=1,
  dynamic_temperature_enabled=True,
  system_prompt="""You are a helpful specialist...""",
  tags=["custom"],
  capabilities=["explanation"],
  role="worker",
)

deployer.add_agent(my_agent)

批量注册（如本回购中使用的）：

agents = [agent_a, agent_b, agent_c]
deployer.add_agents_batch(agents)

工具命名：

• 默认情况下，工具名称等于 agent.agent_name选择描述性的、稳定的名称（例如。， "Blood-Data-Analysis-Agent").
• 您可以用以下命令覆盖工具名称和描述 add_agent(agent, tool_name="...", tool_description="...").

如何通过MCP使用代理

一旦运行，每个代理都将作为MCP工具公开。所有工具都接受一个通用参数集：

• task （必填）：主要指示或提示
• img （可选）：单个图像路径/URI
• imgs （可选）：图像路径/URI列表
• correct_answer （可选）：用于验证或比较

所有工具返回：

{
  "result": "string",
  "success": true,
  "error": null
}

使用MCP Python客户端（官方）

您可以通过官方网站连接到此AOP服务器 mcp Python客户端（可流式HTTP传输），用于发现工具和调用代理。

安装：

pip install mcp

列出工具并呼叫代理：

import asyncio
from mcp import ClientSession
from mcp.client.streamable_http import streamablehttp_client

AOP_URL = "http://localhost:8000/mcp"  # adjust if you changed host/port

async def main():
    async with streamablehttp_client(AOP_URL) as (read, write, _):
        async with ClientSession(read, write) as session:
            await session.initialize()

            # 1) List available tools (registered agents)
            tools = await session.list_tools()
            print("Tools:", [t.name for t in tools.tools])

            # 2) Call a specific agent by tool name
            tool_name = "Blood-Data-Analysis-Agent"  # replace with any agent name you registered
            result = await session.call_tool(
                tool_name,
                arguments={
                    "task": "Interpret this CBC: WBC 15.2, HGB 10.1, PLT 420",
                    # Optional extras per this server's schema:
                    # "img": "/path/to/image.png",
                    # "imgs": ["/path/a.png", "/path/b.png"],
                    # "correct_answer": "..."
                },
            )
            print("Agent result:", result)  # CallToolResult

asyncio.run(main())

笔记：

• AOP_URL 默认为 http://localhost:8000/mcp 基于此仓库的服务器配置。
• 所有代理共享相同的输入参数： task （必填），另加可选 img, imgs, correct_answer.

示例（MCP客户端）

此仓库包含使用官方MCP流式HTTP客户端的可运行示例 examples/.

• examples/get_server_info.py：打印可用工具，如果公开，则打印AOP代理名称
• examples/list_tools.py：列出所有已注册的工具（代理）
• examples/call_agent.py：用名字呼叫特定代理人 task
• examples/discover_and_call.py：发现代理商并致电代理商（如果提供标签，更喜欢标签）
• examples/queue_management.py：显示/暂停/恢复/清除特定代理的队列
• examples/search_agents.py：按关键字/字段搜索代理

设置：

pip install -r requirements.txt
# optional: point to a different server
export AOP_URL="http://localhost:8000/mcp"

运行：

# List tools
python examples/list_tools.py

# Call an agent (configure via env, no CLI flags)
export AGENT_NAME="Blood-Data-Analysis-Agent"
export AGENT_TASK="Interpret this CBC..."
# optional:
# export AGENT_IMG="/path/to/image.png"
# export AGENT_IMGS="/path/a.png,/path/b.png"
# export AGENT_CORRECT_ANSWER="..."
python examples/call_agent.py

# Discover agents and call one (configure via env)
export PREFER_TAG="research"
export FALLBACK_NAME="Blood-Data-Analysis-Agent"
export TASK="Provide a brief summary of CBC interpretation basics."
python examples/discover_and_call.py

# Queue management (stats|pause|resume|clear)
export AGENT_NAME="Blood-Data-Analysis-Agent"
export QUEUE_ACTION="stats"
python examples/queue_management.py

# Search agents (configure via env)
export SEARCH_QUERY="research"
# optional: export SEARCH_FIELDS="name,description,tags,capabilities"
python examples/search_agents.py

发现和队列管理工具

当启用基于队列的执行时，服务器还公开了MCP客户端可以调用的管理和发现工具：

• discover_agents(agent_name: Optional[str])：获取有关代理的信息（名称、描述、标签、功能）
• get_agent_details(agent_name: str)：详细的代理配置和发现信息
• get_agents_info(agent_names: List[str])：多个代理的批量详细信息
• list_agents()：可用代理名称列表
• search_agents(query: str, search_fields: Optional[List[str]])：关键字搜索
• get_queue_stats(agent_name: Optional[str])：队列统计信息
• pause_agent_queue(agent_name: str), resume_agent_queue(agent_name: str), clear_agent_queue(agent_name: str)
• get_task_status(agent_name: str, task_id: str)

这些对于多代理工作流中的动态代理发现、监视和操作控制非常有用。

安全和范围

• 所有代理都是为教育、非诊断输出而设计的
• 响应避免指令，并在适当的时候强调不确定性
• 始终与持证临床医生和权威来源验证输出

故障排除

• 端口已在使用中：更改 port 在AOP构造函数中或释放端口
• 身份验证/模型：确保您的环境已针对指定配置 model_name （API密钥、终结点）
• 工具在客户端不可见：确认服务器可以从客户端访问，并且代理已注册（日志， list_agents)
• 高吞吐量：启用队列设置并增加 max_workers_per_agent

许可证

本项目根据以下条款获得许可 LICENSE.

参考文献

• AOP类和方法 swarms.structs.aop （此存储库反映了中的功能 docs.txt)
• 看 app.py 用于具体的代理定义和服务器设置