@ backendkit-labs/ orchestrator- 代理服务器

为企业工作流程配置驱动多代理管弦. 将自然语言任务分解为分任务,通过共享知识库协调专家代理,并强制实施人大审批门——有完整的审计线索.

它会做什么

• 计划: 将任务分解成依赖排序计划(静流或LLM生成)
• 执行:在依附关系允许时,平行运行步骤,每个步骤委托给专家代理
• 盖茨:在关键步骤上,通过配置或积极的政策规则,暂停人力审批
• 持久性: 每一次运行被保存到磁盘( 或 Redis) —— 幸存重启, 门批准后恢复运行
• 学习:企业反思监测闸门结果并促使一再失败模式成为决定性政策规则
• 记得:完成的运行被自动拖入知识库;专家人员从过去成功完成的类似任务中获得零星背景

安装

npm install -g @backendkit-labs/orchestrator-agent
# or as a local dep in a monorepo
npm install @backendkit-labs/orchestrator-agent

快速启动( 5分钟)

1. 创建 orchestrator.yaml

version: 1

orchestrator:
  name: "My Orchestrator"
  provider: deepseek

providers:
  deepseek:
    api_key: ${DEEPSEEK_API_KEY}
    base_url: https://api.deepseek.com/v1
    model: deepseek-chat

agents:
  - id: analyst
    name: Data Analyst
    description: Analyzes data and produces reports
    capabilities: [analysis, reporting, metrics]
    provider: deepseek

  - id: writer
    name: Technical Writer
    description: Writes documents and summaries
    capabilities: [writing, documentation, summaries]
    provider: deepseek

2. 创建 .env

DEEPSEEK_API_KEY=sk-...

3. 连接克洛德桌面 (单位:千美元)claude_desktop_config.json:

{
  "mcpServers": {
    "orchestrator": {
      "command": "npx",
      "args": ["-y", "@backendkit-labs/orchestrator-agent"],
      "env": {
        "DEEPSEEK_API_KEY": "sk-..."
      }
    }
  }
}

4. 执行任务 (克劳德桌面):

orchestrator_run
  config_path: /path/to/orchestrator.yaml
  task: "Analyze Q1 sales data and write an executive summary"

特征概述

MCP 工具

文档

• 配置参考 ——满 orchestrator.yaml 计划
• MCP工具 - 所有8个工具的参数、实例和答复
• 静态流动 ——YAML流量格式,有效载荷内插,自动检测
• 门户和政策 - 人类批准,2号线自动闸门
• HTTP 触发器 用于n8n和外部系统的REST API
• Redis + 工人数 - 与BullMQ一起进行分布式处决
• RAG 保险库 ——兰斯DB指数化,运行整合,交叉运行的中枢注射
• 企业反思 ——MAPE-K循环,晋级,降级
• 内存系统 ——全结构:平面,语义,程序,遗忘曲线

数据目录

默认情况下, 运行状态和 RAG 索引会存在 .orchestrator/ 邻接您的 orchestrator.yaml数字 :

.orchestrator/
  runs/           ← JSON run files (one per run)
  rag-lance/      ← LanceDB vector index

覆盖 ORCHESTRATOR_DATA_DIR 环境 var 或 data_dir 在YAML中.

许可证

麻省理工学院