一个基于 Model Context Protocol (MCP) 的智能多角色协作系统，通过模拟不同专业角色的协作来提升项目开发效率。Solo MCP 让单人开发者能够获得团队协作的智慧，实现更高质量的软件开发。
- 多角色模拟: 智能模拟产品经理、架构师、开发者、测试工程师等专业角色
- 动态角色分配: 根据任务类型自动选择最适合的角色组合
- 角色协作: 不同角色间的智能对话和决策协商
- 持久化存储: 项目知识的长期记忆和快速检索
- 上下文感知: 基于当前任务智能推荐相关历史信息
- 学习能力: 从项目历史中学习最佳实践和常见模式
- 自动任务分解: 将复杂项目分解为可管理的子任务
- 冲突检测: 识别和解决任务间的潜在冲突
- 优先级管理: 基于项目目标智能排序任务优先级
- 代码理解: 深度分析项目结构、依赖关系和代码质量
- 文档解析: 自动提取和整理项目文档信息
- 环境感知: 识别开发环境、工具链和配置
- MCP 协议: 基于 Model Context Protocol 标准，确保兼容性
- 插件架构: 支持自定义工具和扩展
- API 友好: 提供完整的 REST API 和 Python SDK
- Python 3.11+
- 8GB+ RAM (推荐)
- 支持的操作系统: Windows, macOS, Linux
# 安装 Solo MCP
pip install solo-mcp
# 验证安装
solo-mcp --version
# 启动 MCP 服务器
solo-mcp-server# 克隆项目
git clone https://github.com/CHANGGELY/solo-mcp.git
cd solo-mcp
# 创建虚拟环境 (推荐使用 Python 3.11)
python -m venv venv311
# 激活虚拟环境
# Windows
venv311\Scripts\activate
# macOS/Linux
source venv311/bin/activate
# 升级 pip
python -m pip install --upgrade pip
# 安装依赖
pip install -r requirements.txt
# 安装交互式反馈增强 MCP
pip install mcp-feedback-enhanced
# 验证安装
python -m pytest tests/test_basic.py# 查看版本信息
solo-mcp --version
# 启动 Solo MCP 服务器
solo-mcp-server
# 启动带配置的服务器
solo-mcp --server --config custom_config.toml
# 或者从源码运行
python -m solo_mcp
# 运行交互式示例
python examples/demo.pyfrom solo_mcp.tools.roles import RolesTool
# 创建角色工具
roles_tool = RolesTool()
# 评估项目需要的角色
result = roles_tool.evaluate(
goal="开发一个电商网站",
stack="Python, FastAPI, React, PostgreSQL"
)
print(result) # 输出推荐的角色列表from solo_mcp.config import SoloConfig
from solo_mcp.tools.orchestrator import OrchestratorTool
# 加载配置
config = SoloConfig.load()
# 创建编排工具
orchestrator = OrchestratorTool(config)
# 运行一轮协作
result = orchestrator.run_round(
goal="实现用户认证功能",
stack="Python, FastAPI, JWT"
)
print(result) # 输出任务分配和执行结果from solo_mcp.config import SoloConfig
from solo_mcp.tools.memory import MemoryTool
# 加载配置
config = SoloConfig.load()
# 创建记忆工具
memory_tool = MemoryTool(config)
# 存储项目信息
memory_id = memory_tool.store(
content="用户认证采用JWT token机制",
memory_type="technical",
context={"module": "authentication", "priority": "high"}
)
# 检索相关信息
result = memory_tool.load(
query="JWT认证",
memory_type="technical"
)
print(f"找到 {len(result)} 条相关记忆")solo_mcp/
├── tools/ # 核心工具模块
│ ├── roles.py # 角色规划与管理
│ ├── orchestrator.py # 多角色任务编排
│ ├── memory.py # 智能记忆管理
│ ├── context.py # 上下文收集与处理
│ ├── learning.py # 学习引擎
│ ├── adaptive.py # 自适应优化器
│ └── __init__.py
├── config.py # 配置管理
├── server.py # MCP 服务器
├── main.py # 主入口文件
└── __init__.py
tests/ # 测试文件
├── test_basic.py # 基础功能测试
├── test_roles.py # 角色系统测试
├── test_orchestrator.py # 编排系统测试
├── test_memory.py # 记忆系统测试
└── test_context.py # 上下文系统测试
memory/ # 持久化记忆存储
├── memories/ # 记忆数据文件
├── cache/ # 缓存文件
└── index/ # 索引文件
examples/ # 使用示例
├── demo.py # 基础演示
├── advanced_usage.py # 高级用法
└── integration_test.py # 集成测试
docs/ # 文档
├── api.md # API 文档
├── architecture.md # 架构说明
└── deployment.md # 部署指南
# 运行所有测试
pytest
# 运行特定测试文件
pytest tests/test_roles.py
# 运行测试并显示覆盖率
pytest --cov=solo_mcp项目支持通过环境变量和配置文件进行配置:
# 设置记忆存储路径
export SOLO_MCP_MEMORY_PATH="./custom_memory"
# 设置日志级别
export SOLO_MCP_LOG_LEVEL="DEBUG"
# 设置缓存大小
export SOLO_MCP_CACHE_SIZE="1000"
# 设置最大记忆数量
export SOLO_MCP_MAX_MEMORIES="10000"
# 设置学习引擎开关
export SOLO_MCP_ENABLE_LEARNING="true"创建 config.json 文件进行详细配置:
{
"memory": {
"max_memories": 10000,
"cache_size": 1000,
"enable_learning": true,
"relevance_threshold": 0.3
},
"orchestrator": {
"max_concurrent_tasks": 5,
"conflict_detection": true,
"auto_optimization": true
},
"roles": {
"default_roles": ["analyst", "developer", "designer", "tester"],
"enable_dynamic_roles": true
}
}在 config.json 中新增 mcpServers 配置以启用交互式反馈增强 MCP：
"mcpServers": {
"mcp-feedback-enhanced": {
"command": "uvx",
"args": ["mcp-feedback-enhanced@latest"],
"timeout": 600,
"autoApprove": ["interactive_feedback"]
}
}提示：
autoApprove可根据需求调整自动批准的工具列表。
我们欢迎所有形式的贡献！无论是报告 bug、提出新功能建议，还是提交代码改进。
-
Fork 并克隆仓库
git clone https://github.com/your-username/solo-mcp.git cd solo-mcp -
设置开发环境
# 创建虚拟环境 python -m venv venv311 source venv311/bin/activate # Linux/macOS # 或 venv311\Scripts\activate # Windows # 安装开发依赖 pip install -r requirements.txt pip install -r requirements-dev.txt # 如果存在 # 安装预提交钩子 pre-commit install
-
运行测试
# 运行所有测试 python -m pytest # 运行特定测试 python -m pytest tests/test_basic.py # 生成覆盖率报告 python -m pytest --cov=solo_mcp --cov-report=html
-
创建 Issue
- 报告 bug 或提出新功能建议
- 使用相应的 Issue 模板
- 提供详细的描述和复现步骤
-
开发流程
# 创建特性分支 git checkout -b feature/amazing-feature # 进行开发... # 运行测试确保代码质量 python -m pytest # 提交更改 git add . git commit -m "feat: add amazing feature" # 推送到你的 fork git push origin feature/amazing-feature
-
提交 Pull Request
- 使用清晰的标题和描述
- 关联相关的 Issue
- 确保所有测试通过
- 请求代码审查
- 代码风格: 遵循 PEP 8 标准
- 类型注解: 使用 Python 类型提示
- 文档字符串: 使用 Google 风格的 docstring
- 测试: 新功能必须包含相应的测试
- 提交信息: 使用 Conventional Commits 格式
type(scope): description
[optional body]
[optional footer]
类型包括：
feat: 新功能fix: 修复 bugdocs: 文档更新style: 代码格式化refactor: 代码重构test: 测试相关chore: 构建过程或辅助工具的变动
# 格式化代码
black solo_mcp/ tests/
# 检查代码风格
black --check solo_mcp/ tests/- 添加更多预定义角色类型
- 实现记忆系统的向量化搜索
- 优化任务调度算法
- 添加性能监控和指标
- 完善 API 文档
- 实现分布式记忆存储
- 添加 Web 管理界面
- 支持插件系统
- 集成更多 AI 模型
- 添加实时协作功能
- 支持多语言 SDK
- 云端部署方案
- 企业级安全特性
- 高级分析和报告
- 自动化 DevOps 集成
如果您发现任何问题或有改进建议，请:
- 查看 Issues 是否已有相关问题
- 如果没有，请创建新的 Issue 并提供详细信息:
- 问题描述
- 复现步骤
- 期望行为
- 系统环境信息
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
- Model Context Protocol - 提供了强大的上下文协议基础
- sentence-transformers - 提供了优秀的文本嵌入能力
- 所有贡献者和使用者的支持
Solo MCP - 让AI协作开发变得简单而强大 🚀