# Micro Agent

> A lightweight AI agent framework for vertical domain applications | 面向垂域应用的轻量级 AI Agent 框架

- **Type:** MCP server
- **Install:** `agentstack add mcp-fdueblab-micro-agent`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [fdueblab](https://agentstack.voostack.com/s/fdueblab)
- **Installs:** 0
- **Category:** [AI & ML](https://agentstack.voostack.com/c/ai-and-ml)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [fdueblab](https://github.com/fdueblab)
- **Source:** https://github.com/fdueblab/Micro-Agent

## Install

```sh
agentstack add mcp-fdueblab-micro-agent
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

[](https://python.org)
[](LICENSE)
[](https://github.com/BerriAI/litellm)
[](https://modelcontextprotocol.io)

**中文** | [English](README_en.md)

---

## 为什么选择 Micro-Agent

> 如果你需要为特定行业快速构建一个专业 Agent 并以 API 服务形式交付，Micro-Agent 是最短路径。

| 能力 | Micro-Agent | LangGraph | AutoGen¹ | OpenClaw |
|:-----|:---:|:---:|:---:|:---:|
| 开箱即用 API 服务 | ✅ | ✅ | ❌ | ✅ |
| 垂域知识注入 (Skills) | ✅ | ❌ | ❌ | ✅ |
| 内置 RAG 检索增强 | ✅ | 生态 | 扩展 | ✅ |
| MCP 集成 | ✅ | ✅ | ✅ | ✅ |
| 流式 SSE 输出 | ✅ | ✅ | 需自建 | ✅ |
| 多 LLM Profile 配置 | ✅ | ❌ | ❌ | ❌ |
| 轻量（核心 

> ¹ AutoGen 已进入维护模式，新项目建议使用 [Microsoft Agent Framework](https://github.com/microsoft/autogen)。

**各框架定位：** Micro-Agent 面向垂域专业 Agent 服务交付 · LangGraph 面向复杂多步工作流编排 · AutoGen 面向多角色智能体协作 · OpenClaw 面向个人自主 AI 助手

## 架构

**核心组件：**

- **LLM Layer** — 通过 [litellm](https://github.com/BerriAI/litellm) 统一接口，一套代码切换 OpenAI / DeepSeek / Claude / Ollama 等任意模型
- **Agent Core** — ReAct 执行引擎（Think → Act → Observe 循环），支持 SubAgent 子任务分发与 REPL 沙箱执行
- **Memory** — 会话记忆系统，支持短期记忆、文件持久化、跨会话恢复
- **Skills** — 将领域规范、编码标准等知识注入 Agent 的 system prompt，使其具备专业能力
- **RAG** — 从领域知识库中检索相关文档，为推理提供上下文
- **MCP / Tools** — 通过 [Model Context Protocol](https://modelcontextprotocol.io) 连接外部工具和数据源

## 快速开始

### 环境要求

- Python ≥ 3.11
- 任意 LLM API Key（OpenAI / DeepSeek / Claude / Ollama / OpenRouter 等）

### 安装

```bash
git clone https://github.com/fdueblab/Micro-Agent.git
cd Micro-Agent

pip install -e ".[dev]"
```

### 配置

```bash
cp .env.example .env
```

编辑 `.env`，填入 API Key：

```bash
LLM_MODEL=deepseek/deepseek-chat
LLM_API_KEY=sk-xxx
```

> 支持任何 [litellm 兼容的模型格式](https://docs.litellm.ai/docs/providers)，如 `openai/gpt-4o`、`ollama/qwen2.5`、`openrouter/qwen/qwen3-coder-flash` 等。

### 启动

```bash
uvicorn api.app:app --host 0.0.0.0 --port 8010 --reload
```

访问 `http://localhost:8010/docs` 查看 API 文档。

### Docker 部署

```bash
docker-compose up -d
```

## 定义垂域任务

只需三步，即可将通用 Agent 转化为面向特定领域的专业智能体：

### 1. 编写 Prompt 模板

```jinja2
{# task/templates/code_review.md.j2 #}
请对以下代码进行审查，重点关注安全性和性能：

代码路径: {{ code_path }}
审查标准: {{ standards }}
```

### 2. 注册任务

```python
# task/builtin.py
register_task(TaskConfig(
    name="code_review",
    prompt_template="code_review.md.j2",
    system_prompt="你是一名资深代码审查工程师。",
    llm_profile="reasoning",
    max_steps=20,
))
```

### 3. 调用

```bash
curl -X POST http://localhost:8010/api/tasks \
  -H "Content-Type: application/json" \
  -d '{"prompt": "审查 src/main.py", "agent_name": "code_review"}'
```

## 多 LLM Profile

为不同场景配置不同的模型策略：

```toml
# config/config.toml

[llm.default]
model = "deepseek/deepseek-chat"
temperature = 0.0
max_tokens = 8192

[llm.fast]
model = "deepseek/deepseek-chat"
max_tokens = 4096
timeout = 30

[llm.reasoning]
model = "openai/o1-mini"
max_tokens = 16384
timeout = 120
```

任务中通过 `llm_profile` 指定：

```python
register_task(TaskConfig(
    name="my_task",
    llm_profile="reasoning",  # 使用推理模型
    ...
))
```

## 内置示例任务

项目内置了多个真实场景的 Agent 任务作为参考实现：

| 任务 | 说明 | 垂域组件 |
|------|------|----------|
| 代码分析 | 上传代码 → 自动分析函数结构 | Tools |
| 服务封装 | 上传代码 → 自动生成 Docker + MCP 服务 | Skills + RAG + Memory |
| 算法模型生成 | 描述需求 → 生成算法模型代码 | Skills + RAG + Memory |
| MCP 服务测试 | 连接 MCP 服务器 → 自动发现并测试工具 | MCP |
| 服务评测 | 上传数据 → 自动执行评测并输出报告 | Tools |
| AML 模型评测 | 上传数据 → 多指标安全评测（支持数据适配） | MCP + Tools |

> 这些任务展示了如何通过组合 Skills、RAG、MCP 等组件，将通用 Agent 打造为垂域专业智能体。你可以参考它们的实现来构建自己的任务。

## 扩展点

| 组件 | 接口 | 内置实现 | 可扩展方向 |
|------|------|----------|------------|
| 模型 | litellm | OpenAI, DeepSeek, Claude | Ollama, vLLM, 任意 OpenAI 兼容 API |
| 工具 | `Tool` ABC | Bash, MCP, Terminate | 任意自定义工具 |
| 记忆 | `MemoryProvider` | ShortTermMemory, FileMemory | Redis, 向量数据库 |
| 检索 | `Retriever` | EmbeddingRetriever | FAISS, ChromaDB, Milvus |
| 技能 | `Skill` + `SkillRegistry` | SKILL.md 目录发现 | 远程技能市场 |

## 项目结构

```
Micro-Agent/
├── core/                 # Agent 核心引擎
│   ├── agent.py          # ReAct 循环执行引擎
│   ├── llm.py            # LLM 统一调用层 (litellm)
│   ├── config.py         # 配置管理 (TOML + 环境变量)
│   ├── memory/           # 记忆系统 (短期 / 持久化)
│   ├── rag/              # 检索增强 (Embedding)
│   ├── skill/            # 技能系统 (注册 / 发现 / 注入)
│   └── schema.py         # 数据模型 (Event / Message / ToolCall)
├── tool/                 # 工具层
│   ├── base.py           # Tool 抽象接口
│   ├── bash.py           # Bash 命令执行
│   ├── mcp/              # MCP 工具 (stdio / SSE)
│   └── registry.py       # 工具注册表
├── task/                 # 任务定义
│   ├── base.py           # TaskConfig + 模板渲染
│   ├── builtin.py        # 内置任务注册
│   └── templates/        # Jinja2 Prompt 模板
├── api/                  # API 服务层
│   ├── app.py            # FastAPI 入口
│   ├── routes/           # 路由 (任务管理 / Agent 端点)
│   └── services/         # SSE 流 / 文件处理
├── workspace/            # 工作区
│   ├── knowledge/        # RAG 知识库文档
│   └── skills/           # Skill 定义 (SKILL.md)
├── config/               # 配置文件
├── tests/                # 测试
└── deploy/               # Docker 部署
```

## 许可

[MIT](LICENSE)

## Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [fdueblab](https://github.com/fdueblab)
- **Source:** [fdueblab/Micro-Agent](https://github.com/fdueblab/Micro-Agent)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** yes
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** yes
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/mcp-fdueblab-micro-agent
- Seller: https://agentstack.voostack.com/s/fdueblab
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.