← 返回目录

Volcano Agent SDK

社区

已归档

框架 / SDK

用几行 TypeScript 代码构建结合 LLM 推理与 MCP 工具调用的 AI 智能体

这是用于开发 MCP Server 或 Agent 的框架，不是可以直接连接到客户端的 Server。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 开发工具第 370 / 438
Stars: ★ 406 热门
运行环境: Node.js
凭据: 需要 API Key / 凭据
许可证: 其他 / 未声明
最近提交: 8 个月前 ⚠

38FMRS · D

Volcano Agent SDK 是一个面向 TypeScript 开发者的多提供商 AI 智能体编排框架，通过连接外部 MCP 服务器实现自动工具选择和多智能体协作，但它本身不是一个暴露工具的 MCP 服务器，且仓库未提供任何服务器清单或固定工具列表。

最强项 · 维护活跃度 11/20 最弱项 · 可靠性 4/20

可靠性

4/20

安全与权限

8/20

维护活跃度

11/20

文档质量

9/20

安装易用性

6/20

查看各项评分依据

可靠性 4/20: 服务器清单标注为“未缓存”，仓库中也没有提供任何工具列表、初始化握手示例或测试文件作为证据。README显示该项目实际上是一个消费MCP工具的“智能体SDK/客户端”（通过 mcp("http://localhost:8001/mcp") 连接外部MCP服务），而非本身对外暴露工具的MCP服务器，因此无法核实声明的工具与真实行为是否一致，也无法验证MCP初始化和tool-list握手过程。CI徽章存在但未提供工作流文件或测试内容以证明覆盖关键路径。按静态评审口径，缺失证据只能扣分，不能假设最佳情况，故评分较低。
安全与权限 8/20: 示例代码通过环境变量传递API Key（如 OPENAI_API_KEY），未见硬编码密钥或凭据泄露的红线证据。但README描述“LLM自动选择并调用MCP工具”“协调器自主委派任务直到完成”，整个文档中没有提及任何权限范围限制、人工确认机制或对危险操作（如创建任务、调用外部服务）的二次确认流程，数据流向（哪些数据被发送给哪个LLM提供商/MCP端点）也未披露。这些是可见但未被完全解决的主要风险，不构成红线（无证据表明存在不可逆的删除/支付/部署默认行为、恶意代码或凭据窃取），但权限最小化与确认机制的缺失导致明显扣分。
维护活跃度 11/20: 仓库有CI徽章、已发布的npm包、401星标、开放issue仅10个且未被归档，显示出一定活跃度。但GitHub许可证字段显示为“NOASSERTION”，与README中声称的“Apache 2.0”及LICENSE文件不一致，治理信息存在矛盾，需要澄清。同时缺乏可验证的发布节奏、近期提交记录、依赖更新策略或安全响应渠道（如SECURITY.md）的证据，只能基于有限信息保守评分。
文档质量 9/20: README提供了安装命令、快速上手示例和功能列表，可读性尚可，但核心文档托管在外部网站（volcano.dev），仓库内并未包含可供静态审查的详细参数说明、鉴权流程、速率限制、成本或故障排查内容，这些内容无法被核实。对于MCP工具的具体参数、超时/重试的默认值、错误码含义等关键使用细节均缺失，存在隐藏假设，故不能给高分。
安装易用性 6/20: 安装步骤简单（npm install加几行示例代码），但该项目本质是让开发者编写智能体代码去连接其他MCP服务器，而不是一个可被Claude Desktop/Cursor等主流客户端直接配置连接的MCP服务器，因此README中不存在（也不适用）典型的MCP服务器客户端配置示例。由于仓库未提供可执行证据（真实CI工作流内容、覆盖关键路径的测试）证明安装流程被验证过，按静态评审校准规则，setup分数应保守，不能超过15分，结合信息有限程度进一步下调。

静态评测 · 未实际运行收录于 2026-08-26

查看 FMRS 评分方法 →

选型与风险

能访问什么访问网络

适合谁

已经熟悉 TypeScript、需要在自有应用中编排 LLM 与多个 MCP 服务器交互的后端/平台工程师
需要构建多智能体委派工作流（研究、写作、任务处理等分工协作）的团队
希望在同一工作流中混合调用多家 LLM 提供商并要求内置重试、流式输出与追踪能力的团队

不适合谁

只想要一个开箱即用、暴露特定业务工具的 MCP 服务器的用户（本项目不提供任何具体工具，需自行接入外部 MCP 服务器）
使用 Python 或其他非 JavaScript/TypeScript 技术栈的开发者
希望通过 Claude Desktop 等客户端配置文件直接添加的非技术用户

所需权限

需要开发者提供的 LLM 提供商 API 密钥（如 OPENAI_API_KEY）以调用远程模型
需要网络访问权限以连接开发者自行部署的 MCP 服务器端点（如 http://localhost:8001/mcp）
由于支持自动工具选择，实际执行动作时会隐式获得所连接 MCP 服务器授予的一切工具权限

风险与副作用

自动工具选择意味着 LLM 会根据提示自行决定调用哪些工具，如果连接了具有真实副作用的 MCP 服务器（如创建任务、发送请求），存在因提示注入或模型误判而执行非预期操作的风险
多智能体委派模式下，协调者自主决定何时终止流程，若逻辑设计不当可能导致意外的重复调用或资源消耗
README 未说明具体的认证、沙箱或权限隔离机制，接入的 MCP 服务器的安全边界需要开发者自行把控

安装接入

准备工作

运行环境：Node.js

OPENAI_API_KEY 必填密钥 OpenAI 平台的 API 密钥，用于 llmOpenAI 提供商；在 platform.openai.com 的 API keys 页面创建。

通过 npm 安装：npm install @volcano.dev/agent。安装后在 TypeScript 代码中引入 agent、llmOpenAI（或其他提供商的辅助函数）以及 mcp，用你的 LLM API 密钥初始化模型，再用 mcp("http://host:port/mcp") 指向你已经运行的 MCP 服务器地址，然后编排 .then() 步骤并调用 .run()。该 SDK 本身不需要、也不提供 Claude Desktop 等客户端的 JSON 配置文件，因为它是嵌入到你自己 TypeScript 应用中的库，而不是一个独立运行的 MCP 服务器进程。

验证是否装好

在项目中运行 npm install @volcano.dev/agent 后，使用 README 中的 Hello World 示例连接 http://localhost:8001/mcp 并询问 'What's the weather in Seattle?'，若 LLM 自动调用了 MCP 工具并返回结果，说明安装成功。

常见排障

确认已正确设置所用 LLM 提供商的 API 密钥环境变量
确认 mcp() 中填写的服务器 URL 可达，且目标 MCP 服务器已启动并监听对应端口
查看官方文档站点 volcano.dev/docs 中关于 MCP 工具连接池、OAuth 认证等章节，排查工具未被正确选择或调用失败的问题
检查 npm 包版本 @volcano.dev/agent 是否为最新，或参考仓库 CI 状态确认没有已知的构建问题

试试这样问

连接成功后，可以直接对 AI 助手这样说：

用 agent() 构建一个调用本地 MCP 天气服务的智能体
把 llmOpenAI 换成 llmAnthropic 并运行同一个多步骤工作流
用 agents: [researcher, writer] 让协调者自动委派写作任务
用 results.summary(llm) 询问智能体刚才做了什么

使用场景

编排一个 LLM 智能体，根据自然语言提示自动选择并调用多个已部署的 MCP 服务器上的工具

构建多智能体协作流水线，由协调者智能体自动把任务委派给专职的子智能体（如研究员、写作者）

在生产环境中跨多个 LLM 提供商（OpenAI、Anthropic、Mistral 等）切换或混合使用，并接入 OpenTelemetry 做可观测性追踪

详细介绍

Volcano Agent SDK 是 Kong 推出的一个 TypeScript SDK，用于构建能够将大语言模型（LLM）推理与通过 MCP 工具执行的真实动作相结合的 AI 智能体。需要说明的是，该项目本身是一个客户端/编排框架，而不是一个暴露具体工具的 MCP 服务器——开发者通过 mcp(url) 连接到外部 MCP 服务器，让 LLM 自动挑选并调用其中的工具。它支持混合使用 OpenAI、Anthropic、Mistral 等多家模型提供商，并提供并行执行、分支、循环、多智能体协作（由协调者自动委派任务给专职智能体）、流式输出、OpenTelemetry 可观测性以及内置重试和超时处理等特性。仓库中没有提供任何服务器清单（manifest）或固定的工具列表，因为工具集完全取决于开发者接入的外部 MCP 服务器。