企业官网建设流程全解析

Agent Teams AI MCP集成指南：让AI团队连接外部工具的终极扩展方案

【免费下载链接】agent-teams-aiYou're the boss, agents are your team. They handle tasks on their own, message each other, and review each other's work. You just watch the kanban board and give high-level commands. Codex/Claude/OpenCode/Cursor/Grok/GitHub/Kiro/Z.AI/Xiaomi/MiniMax/Kimi(300+ models, 200+ LLM providers, free models no auth) Build your AI company with multiple teams项目地址: https://gitcode.com/gh_mirrors/cl/agent-teams-ai

Agent Teams AI 是一款多 Agent 团队编排工具，你可以像老板一样指挥由 Codex、Claude、OpenCode、Cursor 等 300+ 模型组成的 AI 团队：成员自主认领任务、互相发消息、互审工作，而你只需盯着看板下指令。它的内置 MCP Server（agent-teams-mcp）让任何支持 MCP 的 AI 客户端都能直接操作团队的看板、任务与消息——这篇指南将带你 3 分钟完成 MCP 集成。

为什么 AI 团队需要 MCP 集成 🧩

Model Context Protocol（MCP） 是 AI 工具互联的事实标准。Agent Teams AI 的 MCP 集成是双向的：

• 对外提供：内置的 mcp-server 把团队管理能力（建任务、移看板、发消息、提审）暴露为 MCP 工具，任何 MCP 客户端都可以指挥你的 AI 团队；
• 对内继承：团队中的每个成员都会继承你在 Claude、Codex 等 CLI 里配置的第三方 MCP 服务器，外部工具能力自动带入团队协作场景。

数据层是共享的：MCP 工具与 Claude 原生工具写入同一份团队文件（~/.claude/teams/<团队名>/），桌面端通过文件监听实时刷新界面——任何来源的改动，看板都会即时同步。这套数据流在 docs/research/unified-mcp-architecture.md 中有完整分析。

内置 MCP Server：10 组工具开箱即用

MCP 工具按职责分成 10 个工具组，完整清单见 agent-teams-controller/src/mcpToolCatalog.js：

对新手来说最有用的三件套：team_create建队 →task_create派活 →kanban_get看进度。

一键接入：stdio 与 HTTP 两种传输方式

MCP Server 基于 FastMCP 构建（见 mcp-server/package.json），支持两种传输方式，按需求任选。

方式一：stdio 传输（推荐新手）

stdio 模式下，客户端拉起子进程并通过标准输入输出通信，配置最简单。在你的 MCP 客户端配置中加入：

{ "mcpServers": { "agent-teams": { "command": "node", "args": ["/path/to/agent-teams-ai/mcp-server/dist/index.js"] } } }

方式二：HTTP 流式传输（多客户端共享）

需要多个客户端同时连接时，用--transport httpStream启动常驻 HTTP 服务：

node mcp-server/dist/index.js --transport httpStream --port 3000 --endpoint /mcp

启动参数解析逻辑在 mcp-server/src/index.ts，默认监听127.0.0.1，保证服务只对本机可见，安全性更可控。

💡 接入 Claude Code 时，应用会在生成团队时自动写入--mcp-config配置文件，把agent-teamsMCP 服务器带给领队与每个成员，全程无需手动配置。

三个实用扩展场景

场景 1：让外部 AI 直接操作团队看板。把agent-teamsMCP 配置进 Cursor 或任意 MCP 客户端后，一句"帮我把 demo_project 的待办任务建到团队看板"，客户端就会调用task_create，任务立即出现在桌面端看板上。

场景 2：成员自带外部工具。团队成员会继承所在 CLI 的 user/project/local 作用域 MCP 配置，你在 Claude 里装的数据库查询、浏览器操作等 MCP 工具，成员在团队协作中同样可用（策略细节见 docs/team-management/member-mcp-bootstrap-spike.md）。

场景 3：用量与成本透视。MCP 工具产生的任务与运行记录会汇入统一统计，你可以按团队、按模型查看 token 消耗与费用：

常见问题 FAQ ❓

Q：不装 MCP Server 能用吗？可以。Claude Code 原生 Agent Teams 功能自带任务与消息工具，MCP Server 的价值在于让其他模型和客户端也能接入同一套团队工作流。

Q：stdio 和 HTTP 该选哪个？单人本地使用选 stdio（零配置）；多人/多客户端共享一个团队实例选 HTTP。

Q：数据存在哪里？团队数据以 JSON 文件保存在本机~/.claude/teams/与~/.claude/tasks/目录，MCP 工具、CLI 与桌面应用读写的是同一份数据。

总结

Agent Teams AI 的 MCP 集成让"AI 公司"的边界彻底打开：10 组内置工具让任何 MCP 客户端都能指挥团队，成员侧又无缝继承外部 MCP 工具。无论你是想给 Codex 接上看板，还是让团队用上数据库工具，MCP 都是那条最短的路。完整工具表与架构细节可参考 mcp-server/src/tools/ 与 docs/research/unified-mcp-architecture.md。

【免费下载链接】agent-teams-aiYou're the boss, agents are your team. They handle tasks on their own, message each other, and review each other's work. You just watch the kanban board and give high-level commands. Codex/Claude/OpenCode/Cursor/Grok/GitHub/Kiro/Z.AI/Xiaomi/MiniMax/Kimi(300+ models, 200+ LLM providers, free models no auth) Build your AI company with multiple teams项目地址: https://gitcode.com/gh_mirrors/cl/agent-teams-ai