Agent MCP Studio: Создавайте мультиагентные MCP-системы полностью в браузере через WASM

✍️ OpenClawRadar📅 Опубликовано: 25 апреля 2026 г.🔗 Source
Agent MCP Studio: Создавайте мультиагентные MCP-системы полностью в браузере через WASM
Ad

Agent MCP Studio — это IDE, работающая только в браузере, для создания и оркестрации MCP-агентных систем. Весь стек — разработка инструментов, многогагентная оркестрация, RAG, выполнение кода — работает из одного статического HTML-файла через WebAssembly. Никакого бэкенда, Docker или сервера. Закройте вкладку — и всё исчезнет.

Ключевые возможности

  • Песочница на WASM: Инструменты запускаются в Pyodide (Python) или DuckDB-WASM (SQL), код не покидает браузер. Код, сгенерированный LLM, проходит AST-валидацию перед регистрацией, а затем JIT-компилируется при первом вызове.
  • 10 стратегий оркестрации: Supervisor, Mixture of Experts (параллельная + синтез), Sequential Pipeline, Plan & Execute, Swarm, Debate, Reflection, Hierarchical, Round-Robin, Map-Reduce. Вы перетаскиваете чипы инструментов на узлы персон на графе сервисов, выбираете стратегию, и топология адаптируется.
  • Локальный RAG: Использует Xenova/all-MiniLM-L6-v2 через Transformers.js для локальных эмбеддингов. Без сетевых вызовов.
  • Встроенная LLM: Поддерживает OpenAI Chat Completions или локальную Qwen 1.5 0.5B, работающую в браузере через Transformers.js для полностью автономного режима.
  • Bridge.js: Node-мост взаимодействует через stdio с Claude Desktop и WebSocket с вашей вкладкой — так ваш браузер становится MCP-сервером.
  • Экспорт в продакшен: Генерирует полноценный Python MCP-сервер: server.py, agentic.py (точная копия браузерной оркестрации), tools/*.py, Dockerfile, requirements.txt, .env.example. Также экспортируется как единый .agentpack.json (Project Pack), который автоматически определяет требуемые внешние сервисы из вызовов os.environ.get(...).
Ad

Практические команды

# Сборка экспортированного Docker-образа
cd agent-mcp-server-YYYY-MM-DD
docker build -t agent-mcp-export .

Запуск (stdio – для локального использования с Claude Desktop)

docker run --rm -i
-e MCP_ALLOWED_HOSTS='api.github.com,*.githubusercontent.com'
agent-mcp-export

Подключение Claude Desktop к контейнеру

{ "mcpServers": { "agent-mcp-studio-export": { "command": "docker", "args": ["run","--rm","-i","-e","MCP_ALLOWED_HOSTS=api.github.com","agent-mcp-export"] } } }

Экспорт также поддерживает развертывание на Fly.io, Railway, Render, Cloud Run, ECS и др. Образ по умолчанию использует stdio; для HTTP обратитесь к README.

Для кого это: Разработчики, создающие многогагентные системы, которые хотят иметь конвейер от прототипа до продакшена с нулевой инфраструктурой, особенно те, кто экспериментирует с MCP и локальным AI.

📖 Читать полный источник: HN AI Agents

Ad

👀 Смотрите также

100 популярных приложений, реконструированных в спецификации дизайна Markdown для клонирования интерфейса Claude
Инструменты

100 популярных приложений, реконструированных в спецификации дизайна Markdown для клонирования интерфейса Claude

Репозиторий с открытым исходным кодом содержит структурированные спецификации дизайна в формате Markdown для 100 популярных iOS-приложений, оптимизированные для клонирования UI через Claude. Ключевые техники: точные значения цветов, охват состояний, шкалы отступов и графы навигации.

OpenClawRadar
Термрендер: 6-кратно эффективная по токенам ASCII-визуализация интерфейса для Claude
Инструменты

Термрендер: 6-кратно эффективная по токенам ASCII-визуализация интерфейса для Claude

Termrender — это инструмент с открытым исходным кодом на Python, который генерирует ASCII-визуализации интерфейсов с эффективностью использования токенов в 6 раз выше по сравнению с исходным выводом Claude. Он создаёт диаграммы и панели, используя минимальное количество токенов для более быстрой генерации и редактирования.

OpenClawRadar
Ninetails Memory Engine V4.5: Квантование Int8 + Кэш LRU сокращает локальную память MCP до 60 МБ
Инструменты

Ninetails Memory Engine V4.5: Квантование Int8 + Кэш LRU сокращает локальную память MCP до 60 МБ

Движок памяти Ninetails V4.5 использует скалярную квантовую обработку Int8 и стратегию вытеснения LRU для сокращения объёма векторного хранилища с 6 КБ до 1,5 КБ на одно вложение, сохраняя весь движок в пределах 40–60 МБ оперативной памяти. Он сочетает 70% векторного сходства с 30% поиска BM25 в полностью локальной реализации SQLite.

OpenClawRadar
🦀
Инструменты

Использование враждебного чата с Клодом для выявления неоднозначностей на старте до того, как они вам дорого обойдутся

Разработчик добавил второй чат Claude, единственная задача которого — состязательно проверять вводные на неоднозначные спецификации и скрытые сбои, что позволило сэкономить, по оценкам, $150-400 на переделках в Claude Code в рамках фазы проекта.

OpenClawRadar