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。

命令预览

pip install -r requirements.txt

详细介绍

通用决策代理：多代理客户支持协调器

通用决策代理是一个功能齐全的多代理支持自动化系统，由LangGraph、LangChain、FastMCP和SQLite构建而成。它通过智能代理端到端地处理客户支持票，智能代理接收、分类、解决和上报问题，同时集成来自以下方面的数据：

知识库（KB）

账户与预订系统（CultPass）

长时程记忆

该系统使用Supervisor代理和工具动态选择操作，遵循支持实时决策和人工升级的分层多代理模式。

该项目达到并超过了Udacity的多代理编辑和决策轨道标准。

概述

Universal Decision Agent模拟生产级客户支持代理系统，能够：

了解入场券

对问题类型和紧急程度进行分类

在知识库中搜索解决方案

查找用户资料和预订

咨询长期记忆以了解以前的问题

尝试通过信心评分解决问题

需要时升级到人工智能

为支持团队提供结构化的解释

它运行在基于规则的路由和代理推理的混合体上，并通过表现得像外部微服务的FastMCP服务器集成多个数据源。

建筑与设计

多代理模式

系统采用Supervisor/Herarchical代理设计： \*Supervisor Agent充当中心路由器 \*招生代理对门票进行标准化 \*分类器代理确定问题特征 \*解析器代理使用工具和内存尝试解决方案 \*升级代理处理人工切换摘要每个代理写入一个共享的LangGraph状态，主管根据不断演变的状态决定下一步。

架构图

Graph

状态管理

LangGraph状态架构：

class TicketState(TypedDict, total=False):
    ticket: Dict[str, Any]
    intake: Dict[str, Any]
    classification: Dict[str, Any]
    resolution: Dict[str, Any]
    escalation: Dict[str, Any]
    supervisor: Dict[str, Any]

使用MemorySaver按线程_id存储。

测井和观测

UDA Hub实现了端到端的结构化JSON日志记录，因此可以通过Intake完全跟踪每张票→ 分类→ 主管→ 解析器→ 升级→ 完成。

所有日志都使用共享的JSON记录器（logger.get_log（））发出，由以下人员使用：

agentic/workflow.py——节点生命周期、工具调用、主管决策、解析器评分

03_agentic_app.py--CLI+演示工作流事件

日志目的地

标准输出 –便于本地开发/调试
文件 –每行一个事件的JSONL文件：

logs/uda_hub.jsonl

每一行都是一个JSON对象，例如：

{
  "timestamp": "2025-12-02T09:42:10.123456Z",
  "level": "INFO",
  "message": "supervisor_decision",
  "extra": {
    "ticket_id": "DEMO-TICKET-001",
    "thread_id": "DEMO-TICKET-001",
    "issue_type": "login",
    "urgency": "high",
    "complexity": "medium",
    "next_step": "escalation",
    "resolver_status": "needs_escalation",
    "resolver_confidence": 0.2
  }
}

系统记录：

节点生命周期事件

每个工作流节点都记录开始和结束事件：

* node_start_intake, node_end_intake

* node_start_classifier, node_end_classifier

* node_start_supervisor, node_end_supervisor

* node_start_resolver, node_end_resolver

* node_start_escalation, node_end_escalation

字段包括：

* ticket_id

* thread_id

主管决策

事件：主管_决策

捕获的字段：

* ticket_id, thread_id

* issue_type, urgency, complexity

* resolver_status (nullable)

* resolver_confidence

* next_step → resolver | escalation | done

* reason

工具调用（MCP工具）

所有MCP工具都会发出开始和结束日志：

* tool_call_kb_search_start / tool_call_kb_search_end

* tool_call_account_get_user_start / tool_call_account_get_user_end

* tool_call_account_get_reservations_start / tool_call_account_get_reservations_end

* tool_call_memory_search_start / tool_call_memory_search_end

捕获的字段：

* ticket_id, thread_id

* tool_name

* Sanitized inputs (e.g., query, external_user_id)

* Result metrics, e.g.:

    * result_count

    * memories_count

    * reservations_count

    * KB scoring:

    * top_score

    * lexical_overlap

    * salient_overlap

    * salient_tokens

    * salient_hits

解析器结果

解析器记录详细的决策信息：

* resolver_kb_confidence

* resolver_decision_resolved

* resolver_decision_needs_escalation

字段包括：

* kb_result_count

* top_score

* lexical_overlap

* salient_overlap

* confidence

* Decision status

最终工作流摘要

事件：工作流已完成

领域：

* ticket_id, thread_id

* final_status → resolved | needs_escalation

* final_confidence

CLI/演示事件

对于交互式或脚本化运行：

* cli_ticket_received

* cli_workflow_result

* demo_ticket_received

* demo_workflow_result

字段包括：

* issue_type, urgency, complexity

* supervisor_next_step

* resolution_status

* resolution_confidence

这些结构化日志提供：

* Full traceability of every ticket

* Complete visibility into agent decisions

* Debugging of KB search quality

* Auditing of tool interactions

* End-to-end observability for platform monitoring and analytics

这使得能够对系统行为进行可靠的分析，并确保可以从第一次用户输入开始跟踪票证→ 没有黑匣子的最终解决方案。

代理人和责任

摄入剂

规范入场券内容。

输出：

总结
正常化问题
情绪

分类器代理

预测：

issue_type（登录/计费/预订/帐户/其他）
紧急程度（低/中/高）
复杂性（低/中/高）
升级
原理

解析器代理

使用MCP工具：

kb_search
account_get_user
account_get_user_reservations
记忆搜索
记忆_书写

生产：

状态：已解决/需求_升级
回答
信心
已使用_kb_文章
notes_for_human

升级代理

生成人工准备摘要，包括：

问题摘要
推荐部门
下一步
可选包含解析器注释

主管代理

路线：

解析器
升级
完成

规则包括升级检查、解析器置信阈值和分类提示。

知识、工具和MCP服务

通用决策代理连接到三个FastMCP微服务：

KB服务器（KB/）

搜索知识库表
工具：kb_search（查询、限制）

帐户服务器（Account/）

获取用户资料+用户预订
工具：

account_get_user（external_user_id） account_get_user_reservations（external_user_id）

内存服务器（内存/）

长期内存写入和搜索
工具：

memory_write（…） memory_search（…） memory_get_all（外部用户id）这些工具被包装并在解析器代理中使用。

票务处理流程

Incoming ticket
    ↓
Intake Agent (normalize)
    ↓
Classifier Agent (problem type, urgency)
    ↓
Supervisor Agent
    ↳ Resolver Agent → try to solve via tools
        ↳ If confident: DONE
        ↳ If not: back to Supervisor
    ↳ Escalation Agent → human summary
    ↳ DONE

所有内容都存储在LangGraph状态中，并作为最终输出返回。

存储器设计

短期（每张票）

由LangGraph MemorySaver支持
存储中间代理输出

长期（交叉票）

SQLite支持
通过MCP访问
存储历史问题内容、元数据、时间戳
解析器用于个性化答案

存储库结构

uda-hub/
├── README.md
├── requirements.txt
├── .gitignore
├── .env                                # Local environment variables
│
├── 01_external_db_setup.ipynb          # Notebook: loads JSONL → external DB
├── 02_core_db_setup.ipynb              # Notebook: builds core DB schema
├── 03_agentic_app.py                   # Entry script to run full UDA-Hub workflow
│
├── agentic/                            # LangGraph + Agent layer
│   ├── __init__.py
│   ├── workflow.py                     # Full StateGraph workflow (intake → classifier → supervisor → resolver/escalation)
│   │
│   ├── agents/                         # All agent definitions
│   │   ├── __init__.py
│   │   ├── intake_agent.py
│   │   ├── classifier_agent.py
│   │   ├── resolver_agent.py
│   │   ├── escalation_agent.py
│   │   ├── supervisor_agent.py
│   │
│   ├── tools/                          # MCP client wrappers (async)
│       ├── __init__.py
│       ├── mcp_client.py               # MCP connection + dynamic tool loader
│       ├── knowledge_client.py         # KB search/get
│       ├── account_client.py           # Account get_user + get_user_reservations
│       ├── memory_client.py            # Memory write + search
│
├── mcp_services/                       # All MCP Servers (FastMCP)
│   ├── kb/
│   │   ├── server.py                   # Knowledge Base MCP tool server
│   │
│   ├── account/
│   │   ├── server.py                   # Account MCP server
│   │
│   ├── memory/
│       ├── server.py                   # Memory MCP server
│
├── data/
│   ├── models/                         # SQLAlchemy DB models
│   │   ├── udahub.py                   # Core DB models (Memory + Mapping)
│   │   ├── cultpass.py                 # External CultPass models
│   │
│   ├── external/                       # External “source-of-truth”
│   │   ├── cultpass_users.jsonl
│   │   ├── cultpass_articles.jsonl
│   │   ├── cultpass_experiences.jsonl
│   │   ├── cultpass.db
│   │
│   ├── core/
│       ├── udahub.db                   # Main core DB
│       ├── memory.db                   # Memory DB
│
├── tests/                              # Full pytest suite
│   ├── conftest.py
│   ├── test_kb_tool.py                 # Tests for KB MCP server
│   ├── test_account_tool.py            # Tests for Account MCP server
│   ├── test_memory_tool.py             # Tests for Memory MCP server
│   ├── test_routing.py                 # Tests for workflow routing logic
│   ├── test_end_to_end.py              # Full end-to-end test of UDA-Hub orchestration
│
├── utils.py                            # Shared utility functions
│
├── dump_mermaid.py                     # utility to draw mermaid diagram of the graph
├── debug_kb_direct.py                  # utility to debug the kb response
├── logger.py                           # utility for logging
├── logs/                               # Full pytest suite
│   ├── uda_hub.jsonl                   # Log file

安装说明

创建并激活环境

conda create -n uda-hub python=3.11 -y
conda activate uda-hub

安装依赖项

pip install -r requirements.txt

配置环境变量

touch .env

编辑.env以添加openai的密钥

OPENAI_API_KEY=your_openai_key_here

构建数据库

运行：

01_外部_db_setup.ipynb

02_core_db_setup.ipynb

这些创建：

数据/外部/文化.db

data/core/udahub.db

运行应用程序

运行演示票：

python 03_agentic_app.py --mode demo

运行交互模式：

python 03_agentic_app.py --mode chat

运行测试

pytest -q

您应该看到测试输出为：

8 passed in XXs

要检查结构化日志，请执行以下操作：

# Run the demo and show only final workflow completion events
python 03_agentic_app.py --mode demo 2>&1 | grep '"workflow_completed"'

# Show all supervisor decisions
python 03_agentic_app.py --mode demo 2>&1 | grep '"supervisor_decision"'

目录标签

PythonAI代理工作流自动化客户支持自动化本地部署多代理系统工单处理知识库搜索实时决策

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

session

工具数量（toolCount，工具数）

5

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

stdiosession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。

来源信息

MCP World

mcpworld.com

/detail/afede5117a4a653ccd2a7b2056591ccd

Universal Decision Agent 是一个基于 LangGraph、LangChain 和 FastMCP 构建的多代理客户支持自动化系统，能够处理客户支持工单的端到端流程，包括问题分类、解决和升级。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Universal Agent Economy OS

Foundational MCP/A2A-native core platform for secure credential injection, native x402 micropayments, and Agent-to-Agent routing.

下一个 MCP

Universal Framework Os

Universal Framework OS 是一个为AI代理提供单一基础层的操作系统，集成了开发、网络爬取、智能分析、知识管理、安全、令牌优化等多个领域的框架和技术。

Universal Decision Agent For Customer Support

快速接入

详细介绍

通用决策代理：多代理客户支持协调器

目录

概述

建筑与设计

多代理模式

架构图

状态管理

测井和观测

日志目的地

代理人和责任

知识、工具和MCP服务

KB服务器（KB/）

帐户服务器（Account/）

内存服务器（内存/）

票务处理流程

存储器设计

短期（每张票）

长期（交叉票）

存储库结构

安装说明

运行应用程序

运行测试

要检查结构化日志，请执行以下操作：

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP