Simple Alfresco Agent Mesh

简单Alfresco代理网

一个比较三种路由选项的实践实验室(谨慎, LangGraph, 调用Index)在相同的Alfresco设置上

这 mcp客户端 始终与中可用的MCP服务器通信 localhost:8085；一次启用一个路由器，然后扇出 MCP审计 和 MCP文件，两人交谈 Alfresco存储库

旋转的堆栈：

• Alfresco社区存储库，包括Audit示例配置
• 两台MCP服务器：

- 审核MCP - Spring AI，流式HTTP（公开以审计为中心的工具） - 源代码可在https://github.com/jottley/alfresco-mcp - MCP文件 - python alfresco-mcp 服务器（内容/doc工具） - 源代码可在https://github.com/stevereiner/python-alfresco-mcp-server

• MCP路由器/编排器（cagent、LangGraph或LlamaIdex）：对用户提示进行分类并将MCP调用转发到正确后端的服务(*审计* 兽医 *文档*)

设计易于在本地运行，易于理解，是构建更复杂的代理网格的好模板

里面是什么

.
├── agent-mesh-tools
│   ├── cagent/               # Router with Docker cagent (LLM required)
│   ├── langgraph/            # Router with LangGraph (deterministic, no LLM)
│   └── llamaindex/           # Router with LlamaIndex (LLM required)
├── alfresco-agents
│   ├── alfresco/             # Alfresco Community stack (Repo, Share, Search, etc.)
│   ├── alfresco-mcp-audit/   # MCP Audit server
│   ├── alfresco-mcp-server/  # MCP Docs server
│   └── compose.yaml          # Always-on: Repo + MCP backends
├── mcp-client/               # Client used to test the active router
└── compose.yaml              # Root compose with `include:` and profiles per router

建筑

flowchart LR
  %% Client
  C[mcp-client]

  %% Routers
  subgraph Routers
    CA[cagent - local app]
    LG[langgraph - router:8085]
    LI[llamaindex - router:8085]
  end

  %% MCP backends
  subgraph MCP["MCP Servers"]
    AU[MCP Audit - 8081]
    DO[MCP Docs - 8003]
  end

  %% Alfresco core
  subgraph Alfresco
    RE[Alfresco Repository - 8080]
  end

  %% Connections
  C --> CA
  C --> LG
  C --> LI

  CA --> AU
  CA --> DO
  LG --> AU
  LG --> DO
  LI --> AU
  LI --> DO

  AU --> RE
  DO --> RE

• 这 路由器 是客户端的单个MCP端点
• 它 *分类* 每个请求和 *代表* 要么 审核MCP 或 MCP文件 基于流式HTTP的后端
• 两个后端都在与 露天

路由器概览（选择一个）

• LangGraph — *确定性路由器，无需LLM*非常适合可重复的流程和简单、可审计的路由规则。
• 调用Index — *LLM驱动的刀具布线*.使用该模型在审计/文档工具之间进行选择；更具适应性的需要LLM。
• 谨慎 — *LLM驱动的代理运行时（YAML）* 具有一流的MCP工具集成。它作为CLI/TUI代理独立运行，如中所述

需求

• Docker和Docker Compose v2+

需要运行全栈（Alfresco、MCP服务器、路由器、客户端）。

• 系统资源

至少8 GB RAM可用，建议使用4个CPU内核。

• 开放端口

- 8080>Alfresco知识库 - 8081>MCP审计 - 8003>MCP文档 - 8085>活动路由器（LangGraph或LlamaIdex）

• LLM运行时

- 对于 cagent LlamaIdex，需要法学硕士学位 - 这个实验室使用 没有 使用本地模型 gpt-oss - 启动前，确保Olama已安装并拉动模型：

    ollama pull gpt-oss

• 无需法学硕士

- LangGraph路由器在没有LLM的情况下工作稳定

快速启动

1. 启动Alfresco社区+MCP后端

docker compose up --build

1. 只激活一个路由器（两者都暴露 :8085):

docker compose --profile langgraph up -d

docker compose --profile llamaindex up -d

对于 cagent 按照中的步骤进行操作

1. 用客户端测试（总是点击8085）

docker compose -f mcp-client/compose.yaml run --rm mcp-client

1. 交换路由器（保持Alfresco运行）

docker compose --profile langgraph down
docker compose --profile llamaindex up --build

示例提示（复制/粘贴）

\[文件\]

> I need to search for documents in Alfresco. Can you search for:
 * Documents containing "budget"
 * Maximum 5 results

\[审计\]

> List Alfresco audit apps

> List Alfresco audit entries for audit app "search"

提示：

• 如果你的路由器 *LangGraph*，路由是基于规则的--日志/保留/合规性> 审计；搜索/元数据/格式转换/转换> 文档
• 如果是 *调用Index* 或 *谨慎*，确保配置了模型（例如，OpenAI/Anthropic/GGemini或通过Docker model Runner配置的本地模型）

实验室流程（推荐）

1. 打开Alfresco+MCP（等待健康）
2. 首先启动LangGraph（无需按键）并运行上面的提示
3. 停止LangGraph，启动LlamaIndex；重复提示，观察路线/答案的差异
4. 停止LlamaIdex，按照中的步骤操作

许可证

此存储库在 Apache 2.0 许可证（参见 LICENSE). 上游组件维护自己的许可证。