← 返回目录

Managed Agents MCP Server

社区

本地优先的 AI 智能体运行时与 MCP 桥接。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 开发工具第 315 / 438
Stars: ★ 707 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js 22+ · Docker
凭据: 可选 API Key
许可证: Apache-2.0
最近提交: 1 天前

44FMRS · D

来源显示该项目提供具有 MCP 工具和 DeepSeek Harness stdio 桥接的本地智能体运行时；未提供具体 MCP 工具标识符，因此工具列表留空。

最强项 · 文档质量 11/20 最弱项 · 维护活跃度 7/20

可靠性

8/20

安全与权限

8/20

维护活跃度

7/20

文档质量

11/20

安装易用性

10/20

查看各项评分依据

可靠性 8/20: README 描述了 stdio MCP 桥接、工具列表以及 typecheck、测试、构建和发布检查命令，但没有提供已执行结果、CI 工作流、提交源码或 MCP 初始化/工具枚举测试证据。manifest 未缓存，无法核对声明工具与实际行为；因此启动和握手仅属合理推测，并因错误处理、依赖可控性和边界情况缺少静态证据而扣分。
安全与权限 8/20: README 展示了 API 密钥、凭据库、权限策略、沙箱、审计和多种外部 MCP 连接，说明主要安全能力和数据流风险是可见的；但默认开放、认证仅在存在 API key 时启用，且文档未证明最小权限默认值、危险操作确认、网络隔离、凭据保护实现或跨会话数据边界。未发现提示中的明确红线风险，但证据不足，故大幅扣分。
维护活跃度 7/20: 仓库未归档且显示有 571 stars、1 个 open issue，README 声称有 CHANGELOG、Apache-2.0 LICENSE 和 release:check；但没有提交记录、发布信息、依赖更新、漏洞响应渠道或维护者/所有权证据，且仓库元数据的许可证为 NOASSERTION，与 README 存在不一致。因此只能给予有限的活跃度分数。
文档质量 11/20: README 覆盖安装、运行、API、SDK、认证、配置、环境、DeepSeek Harness 和文档索引，并给出多个示例；但没有具体 MCP 工具参数与返回错误说明、限制、成本、故障排查、平台兼容性或可验证的工具实现证据，且仓库描述与 README 项目名称存在差异。故文档可用但不完整。
安装易用性 10/20: README 提供 Node.js/npm 要求、npx 初始化启动步骤、本地 URL、API 示例和 DSH 插件启动流程，主路径相对清晰；但需要本地模型供应商密钥，Docker/Kubernetes 等后端增加配置复杂度，未提供主流 MCP 客户端配置样例、平台兼容性或真实连接验证。静态规则下无 CI 与关键路径测试证据，故不能给高分。

静态评测 · 未实际运行收录于 2026-08-14

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件执行命令或代码访问网络连接数据库

适合谁

需要本地或自托管智能体运行时的开发者
需要会话持久化、审计和回放的团队
使用 DeepSeek Harness 和 MCP 的用户

不适合谁

寻找可直接托管模型的服务
寻找可视化工作流构建器的用户
没有 Node.js 22+ 环境或模型提供商 API 密钥的用户

所需权限

需要访问本地运行时及其配置的工作区状态目录
如启用相应后端，可能需要本地进程、Docker、Kubernetes 或自托管 worker 权限
需要配置模型提供商 API 密钥才能运行模型

风险与副作用

沙箱配置不当可能扩大工具对本机或基础设施的访问范围
凭据、文件、记忆和审计数据会存储在运行时工作区或配置的存储后端中
启用 API key 后，持有者可向运行时发起已授权请求

安装接入

准备工作

运行环境：Node.js 22+ · Docker

MANAGED_AGENTS_API_KEY 可选密钥访问 managed-agents 运行时的 API 密钥；设置后认证启用，客户端以 Bearer 方式发送，也可通过 /v1/api-keys 创建。

OPENAI_API_KEY 可选密钥模型服务商 API 密钥（也可用 Anthropic 或 OpenAI 兼容端点），在 Settings > Models 或 config.yaml 中配置。

其他可选配置项（1 个）

MANAGED_AGENTS_URL 可选运行中 managed-agents 服务的地址，如 http://127.0.0.1:3000，供 DSH 插件连接使用。

设置 MANAGED_AGENTS_URL=http://127.0.0.1:3000；使用 dsh plugin --profile web add managed-agents 将插件包安装到 DSH 配置文件，然后运行 dsh web。运行前需启动 managed-agents。

验证是否装好

安装 DSH 插件并启动 profile 后，客户端工具列表中应出现 mcp__sandbase__* 工具（如列出 agents）；运行 managed-agents start 后访问 http://127.0.0.1:3000/dashboard 也可确认服务已启动。

常见排障

确认 Node.js 22+ 和 npm 10+ 已安装
确认 managed-agents 已启动且 MANAGED_AGENTS_URL 指向正确地址
检查 Settings > Models 中的模型提供商和 API 密钥配置
如使用 Docker，确认 Docker 可用；如使用 Kubernetes，确认 kubectl 和集群权限
检查 DSH 插件安装配置文件以及 stdio MCP 进程日志

试试这样问

连接成功后，可以直接对 AI 助手这样说：

列出当前可用的 agents
创建一个会话并让它分析这条告警
查看上一个会话的结果和产物
停止正在运行的那个任务

使用场景

管理和运行 AI 智能体会话

通过沙箱执行工具

查看会话结果、事件和工件

使用 DeepSeek Harness 调用运行时

支持客户端

DeepSeek Harness

依据项目文档列出，未经本站实测。

详细介绍

Managed Agents 是一个本地优先的 AI 智能体运行时，提供持久会话、沙箱工具、记忆、凭据、审计、回放和本地 Console，并通过 stdio MCP 提供 DeepSeek Harness 集成。