Swarm

MCP 服务：多模型 Agent Swarm 协同。根据任务内容自动选择模型并调用你的 API，与 .cursor/rules/multi-model-swarm.mdc 规则一致。MiniMax-M2.5 已并入蜂群（创意专家），可配置独立 API（SWARM_MINIMAX_*），与统一 API 并行使用。

支持的模型

模型	角色
qwen3.5-plus	通用助手
qwen3-max-2026-01-23	推理分析师
qwen3-coder-next	主力代码专家
qwen3-coder-plus	代码工程师
MiniMax-M2.5	创意专家
glm-5	中文专家
glm-4.7	平衡助手
kimi-k2.5	文档专家

安装与运行

cd mcp-swarm
npm install
cp .env.example .env
# 编辑 .env 填写 SWARM_API_BASE_URL 和（如需要）SWARM_API_KEY
npm run build
npm start

开发时可直接用：

npm run dev

环境变量

变量	必填	说明
SWARM_API_BASE_URL	否	统一 API 基础地址，默认 http://localhost:3000
SWARM_CHAT_PATH	否	统一 API 聊天路径，默认 /api/chat
SWARM_API_KEY	否	统一 API 密钥，会作为 Authorization: Bearer <key> 发送
SWARM_MINIMAX_API_BASE_URL	否	MiniMax 独立 API 基础地址（如 https://api.minimaxi.com/v1），配置后蜂群中创意任务与指定 MiniMax-M2.5 时走此地址
SWARM_MINIMAX_API_KEY	否	MiniMax API 密钥
SWARM_MINIMAX_CHAT_PATH	否	MiniMax 聊天路径，建议 chat/completions（base 已含 /v1 时）

API 约定

服务会向 {SWARM_API_BASE_URL}{SWARM_CHAT_PATH} 发送 POST 请求，期望 OpenAI 兼容 的请求体：

{
  "model": "qwen3-coder-next",
  "messages": [{"role": "user", "content": "..."}],
  "temperature": 0.5,
  "max_tokens": 4096
}

响应需包含回复内容，例如：

• response.choices[0].message.content，或
• response.content

若你的 API 格式不同，可修改 src/api-client.ts 适配。

在 Cursor 中配置 MCP

方式一：项目级配置（推荐，仅本工作区可用）

本仓库已在 工作区 配置好 MCP，路径为：

e:\\app\\.cursor\\mcp.json

内容为：

{
  "mcpServers": {
    "mcp-swarm": {
      "command": "node",
      "args": ["mcp-swarm/dist/index.js"]
    }
  }
}

• 用 Cursor 打开 e:\\app 时，MCP 会按上述配置启动，无需改全局设置。
• 环境变量从 mcp-swarm/.env 读取（复制 .env.example 为 .env 并填写 SWARM_API_BASE_URL、SWARM_API_KEY 等）。
• 可将 .cursor/mcp.json 提交到 Git，团队拉取后即可使用。

方式二：全局配置（所有项目可用）

在用户目录的 Cursor 配置里添加（如 C:\\Users\\你的用户名\\.cursor\\mcp.json）：

{
  "mcpServers": {
    "mcp-swarm": {
      "command": "node",
      "args": ["E:\\app\\mcp-swarm\\dist\\index.js"],
      "env": {
        "SWARM_API_BASE_URL": "https://your-api.example.com",
        "SWARM_API_KEY": "your-api-key"
      }
    }
  }
}

3. 重启 Cursor 或重新加载 MCP 后，在对话中可让 AI 使用 mcp-swarm 提供的工具：
   • swarm_chat：自动选模型并对话
   • swarm_chat_with_model：指定模型对话
   • swarm_analyze_task：仅分析任务类型与推荐模型

提供的 MCP 工具

工具	说明
swarm_chat	根据 message 自动识别任务类型、选择模型并调用 API，失败时按规则降级
swarm_chat_with_model	使用指定 model 调用 API
swarm_analyze_task	仅分析 message 对应的任务类型与推荐/备选模型，不发起请求

更多文档与测试

• 用户指南（Agent / 工作流 / 技能 / 向量搜索 / 质量门控）：docs/USER_GUIDE.md
• 单元测试与集成测试：npm run test（Vitest）
• 数据库连接测试：npx tsx test-db-connection.ts

测试脚本与 QPS/超时优化

完整流程测试 test-mcp-full.mjs 已做并行批处理，在固定 QPS 下缩短总耗时、避免超时：

• 思路：多轮 API 调用不再全串行，而是每批并发 BATCH_SIZE 个请求，批与批顺序执行；总耗时 ≈ 批数 × 单次响应时间。
• 环境变量：
  • BATCH_SIZE=4（默认）：每批 4 个并发。API 若 QPS 较低（如 2），可改为 BATCH_SIZE=2 或 1（串行）。
  • QUICK=1：只测 4 个指定模型，进一步缩短时间。

# 完整测试（约 1.5 分钟内完成，BATCH_SIZE=4）
node test-mcp-full.mjs

# 控制并发以适配 API QPS
BATCH_SIZE=2 node test-mcp-full.mjs

# 快速测试（约 50 秒）
QUICK=1 node test-mcp-full.mjs

PowerShell 设置环境变量示例：$env:BATCH_SIZE="2"; node test-mcp-full.mjs