Nexent 第三方集成实战指南：MCP / Skill / A2A Agent 的双向接入与能力导出

AI AgentAI 应用后端前端大模型RAG【免费下载链接】nexentNexent is a zero-code platform for auto-generating production-grade AI agents using Harness Engineering principles — unified tools, skills, memory, and orchestration with built-in constraints, feedback loops, and control planes.项目地址https://gitcode.com/gh_mirrors/ne/nexent点击查看免费下载导读Nexent 提供一套双向资源集成体系——既能通过 MCP 协议、Skill 技能包和 A2A Agent 协议将外部 AI 资源「接入」平台供智能体调用也能将平台内的 Agent 以 JSON/ZIP 配置、北向 RESTful API、A2A Agent 三种方式「导出」给外部系统。读完本文你将掌握三种资源接入的完整操作步骤与配置参数、SKILL.md 技能包的格式规范、A2A Agent Card 的发现与管理方法以及导出与发布 Agent 的适用场景并了解这些能力在 Nexent 后端源码中的实现位置。双向集成体系总览Nexent 的第三方集成能力围绕「接入外部资源」与「导出平台能力」两个方向展开英文文档入口见 doc/docs/en/integration/index.md中文入口见 doc/docs/zh/integration/index.md方向资源类型方式典型场景接入Integration-InMCP 服务远程链接、容器部署、API 转 MCP接入第三方 MCP 服务或将企业 REST API 转换为 MCP 工具接入Integration-InSkill 技能上传 SKILL.md、上传 ZIP 包接入第三方开发的技能包接入Integration-InAgent 智能体A2A 协议URL / Nacos 发现通过 URL 或 Nacos 发现第三方 Agent实现跨平台协作导出Integration-OutAgent导出为 JSON/ZIP迁移、备份、批量分发到其他 Nexent 环境导出Integration-OutAgent普通发布北向 RESTful API与业务系统深度集成实现工作流自动化导出Integration-OutAgent发布为 A2A Agent跨平台 Agent 协作支持 REST 与 JSON-RPC文档结构上接入方向分为 Overview、MCP、Skills、Agents 四个页面导出方向分为 Overview、Agent Export、Agent Publishing、Northbound API 四部分英文侧实际可读页面位于 doc/docs/en/integration/integration-in/ 下的 overview.md、mcp.md、skills.md、agents.md。快速决策路径目标是接入外部资源时——MCP 走「准备服务 → 选择接入方式 → 配置并测试 → 配置给智能体」Skill 走「选择接入方式 → 准备技能内容 → 上传或生成 → 配置给智能体」Agent 走「发现外部 Agent → 配置调用协议 → 设为协作智能体」。目标是导出平台能力时——「导出 Agent 配置」选择导出 JSON/ZIP 后导入到其他 Nexent 部署「普通发布」发布后生成 API Key 再调用北向 API「发布为 A2A Agent」发布时勾选 A2A 选项后获取调用信息。接入外部 MCP 服务MCPModel Context Protocol是 AI 工具的标准通信协议。Nexent 支持三种接入方式远程链接Remote URL、容器部署Container与API 转 MCPAPI-to-MCP。方式一远程链接接入适用于独立部署的 MCP 服务如 ModelScope 提供的服务。操作路径为MCP 仓库 → 我的 MCP点击「添加 MCP 服务」并将接入类型选为「远程」后填写配置项说明示例服务名称MCP 服务的显示名称modelscope-github服务地址MCP 服务的 HTTP/SSE 端点https://api.modelscope.cn/mcp/sse授权令牌认证令牌可选Bearer xxx自定义请求头附加 HTTP 头JSON 格式{X-API-Key: xxx}填写后点击「连通性测试」确认服务可达再保存完成添加。以 ModelScope GitHub MCP 为例其最小配置形如{ name: modelscope-github, url: https://api.modelscope.cn/mcp/servers/github, headers: {} }从后端模型看「远程」与「容器」两类配置分别由 backend/consts/model.py 中的MCPServerConfig含command、args、env、port、image字段与MCPConfigRequestmcpServers字典承载更新 MCP 服务时通过MCPUpdateRequest携带新旧服务名与 URL、可选的新授权令牌及custom_headers。服务实际以流式 SSE 方式对外提供后端在 backend/mcp_service.py 中同时启动管理 API端口 5015与租户级 SSE 应用/mcp/{tenant_id}/sse端口 5011。方式二容器接入适用于以 Docker 容器运行的 MCP 服务如通过 npx 启动的服务。同样在「添加 MCP 服务」中选择「容器」填写容器配置 JSON 与容器端口号{ mcpServers: { service-name: { command: npx, args: [-y, modelScope/mcp-server-packageversion] } } }保存后系统会自动启动容器并完成配置。端口说明Docker/Kubernetes 部署下容器端口由系统自动分配本地部署时使用推荐端口或手动指定可用端口。实现上MCPServerConfig.port用于指定宿主机暴露端口例如 5020image可覆盖默认的 MCP 代理容器镜像配置导入与运维逻辑位于 backend/services/mcp_management_service.py其会依据配置 JSON 是否为空判定传输类型container或url。删除容器类服务时系统会同时清理对应容器。方式三API 转 MCP这是 Nexent 提供的免写 MCP Server 代码的转换能力适用于以下场景企业已有 REST API 希望快速赋予智能体调用能力、第三方服务只有 HTTP API 而无 MCP 适配器、需要快速原型验证。操作路径为智能体开发 → MCP 配置选择「API to MCP」后填写配置项说明示例服务名称MCP 服务显示名company-crm-apiOpenAPI JSONOpenAPI 3.x 规范的 JSON 内容粘贴 JSON基础服务地址API 服务的基础地址https://api.example.com支持的 OpenAPI 3.x 特性包括GET/POST/PUT/DELETE 方法、Path/Query/Header 三类参数、JSON 格式的请求体以及 Bearer Token、API KeyQuery/Header、Basic Auth 等认证方式。下面是一个内部工单系统转 MCP 的完整示例{ openapi: 3.0.0, info: {title: Ticket System, version: 1.0.0}, paths: { /tickets: { get: { summary: Get ticket list, parameters: [ {name: status, in: query, schema: {type: string}} ] }, post: { summary: Create ticket, requestBody: { content: { application/json: { schema: { type: object, properties: { title: {type: string}, description: {type: string} } } } } } } } } }转换完成后智能体即可通过自然语言调用这些接口例如「查询所有待处理工单」。从代码上看此类由平台转换出的服务在 backend/mcp_service.py 中以ownerapi-to-mcp标识说明其由管理线程独立托管、与其他来源的服务区分管理。管理接入的 MCP 服务每个服务卡片展示四种状态已启用决定工具是否出现在智能体工具选择中、审核中等待管理员审批的发布申请、已发布在同租户仓库内共享、已拒绝发布申请未通过。常用操作包括编辑配置、连通性测试、申请发布共享给同租户成员、删除容器服务会同步清理容器。在智能体中调用 MCP 工具进入智能体开发页在「选择智能体工具」中切换到MCP标签找到已添加的 MCP 服务并展开查看工具列表勾选所需工具并配置必要参数保存智能体配置。分配工具时可通过工具卡片上的「测试」按钮验证填写测试参数 → 点击「执行测试」→ 查看返回结果。最佳实践安全上应使用平台密钥管理能力、避免 Token 明文落盘、遵循最小权限原则并定期轮换 API Key性能上要确保 MCP 服务稳定避免拖慢智能体响应、为耗时操作设置合理超时、善用工具测试提前暴露问题维护上要跟踪服务版本更新、监控调用日志、记录服务依赖关系。FAQ连接失败时依次排查服务 URL 可达性、网络与防火墙、认证信息、服务运行状态API-to-MCP 当前支持 Bearer Token、API KeyQuery/Header、Basic Auth如需自研 MCP 服务可参考仓库中的 MCP 工具开发文档backend/tool_collection/mcp/ 下有相关实现。接入第三方 Skill 技能Skill 是 Nexent 扩展智能体能力的核心机制支持两种接入方式上传 SKILL.md单文件、适合简单场景与上传 ZIP 包多文件、可携带脚本与资源。单文件技能.md文件要求文件名为SKILL.md也可使用任意文件名、UTF-8 编码、必须包含带name与description必填字段的 YAML Front Matter。基本结构如下--- name: csv-analyzer description: | Analyze CSV files and generate>--- name: skill-name # 必选技能名仅限英文小写、连字符分隔 description: | # 必选功能描述建议 1-3 句、第三人称 A description that explains what this skill does and when it should be used. Recommended to write in the third person. tags: # 可选标签列表 - tag1 - tag2 ---参数定义config/schema.yaml需要用户填参时创建支持string、number、boolean、array、object类型query: type: string required: true description: Search query string description_zh: Search keyword default: top_k: type: number required: false description: Number of results to return description_zh: Number of returned results default: 3参数默认值config/config.yaml# Initial working path init_path: /mnt/nexent # Maximum number of returned items top_k: 5特殊标签reference pathexamples.md /reference按需加载技能包内文件。use_script pathscripts/analyze.py /use_script声明技能包内捆绑的脚本。code result run_skill_script( csv-analyzer, scripts/analyze.py, {--file: /path/to/data.csv} ) /codecode展示代码示例。辅助函数run_skill_script(skill_name, script_path, params)执行技能包内脚本read_skill_md(skill_name, files)读取技能包内文件。这两者在源码层面是注入智能体的内置工具见 backend/agents/create_agent_info.py 中的RunSkillScriptTool在 Docker 沙箱内执行技能捆绑脚本或运行工作区脚本禁止通过subprocess/os.system等 shell 调用与ReadSkillMdTool总是先读 SKILL.md再按需读附加文件此外还有读取config.yaml的ReadSkillConfigTool返回技能工作流所需的配置变量。在智能体中使用 Skill进入智能体开发页在「选择智能体工具」中切换到Skills标签点击「选择技能」找到目标技能若有必填参数则配置后保存。Skill 与 Tool 的区别Tool 是单个原子操作、每次对话都会消耗上下文 Token、参数 schema 固定、以代码级分发Skill 是「多工具 配置 文档」的组合、仅在激活时加载节省 Token、参数模板可定制、以 ZIP 包形式即插即用地分发。FAQZIP 上传报「Missing SKILL.md」时确认SKILL.md位于 ZIP 根目录而非子目录技能描述不生效时确认描述写在 YAML Front Matter 的description字段而非 Markdown 正文。通过 A2A 协议接入外部 AgentA2AAgent-to-Agent是面向不同平台、不同技术栈 AI 智能体互操作性的开放协议提供标准化通信统一的发现与调用机制、能力抽象无需了解彼此实现细节即可声明能力与跨平台协作能力。A2A 核心概念概念说明Agent Card智能体的元数据描述文件含名称、描述、端点、能力等Task代表单次智能体调用的任务实体Message消息支持同步与流式两种模式Skill智能体提供的具体能力列表Nexent 支持两种外部 A2A Agent 发现方式URL 发现已知 Agent Card 地址时使用与Nacos 发现批量发现注册在 Nacos 的 Agent。方式一URL 发现一个符合 A2A 1.0 规范的 Agent Card 示例{ name: data-analysis-agent, description: Professional data analysis assistant that can perform statistical analysis, generate charts, and interpret data trends, url: https://agent.example.com/nb/a2a/agent-123, version: 1.0.0, capabilities: { streaming: true, pushNotifications: false }, skills: [ { id: statistical-analysis, name: Statistical Analysis, description: Perform descriptive and inferential statistics }, { id: chart-generation, name: Chart Generation, description: Generate various types of charts based on data } ], endpoints: { http: https://agent.example.com/nb/a2a/agent-123 } }操作步骤进入智能体开发 → 协作智能体页 → 在「外部 A2A Agent」标签下点击「添加外部 Agent」→ 选择「URL 发现」标签 → 填入 Agent Card 地址如https://example.com/.well-known/agent.json→ 如需认证则填写自定义请求头JSON 格式→ 点击「发现」→ 核对返回的 Agent 信息 → 点击「添加到列表」。{Authorization: Bearer token}注意事项自定义请求头仅用于获取和刷新 Agent Card不用于后续调用对同一 URL 重新发现时留空会保留现有配置填{}则会清空。从源码看Agent Card 的解析模型对应 backend/consts/a2a_models.py 中的A2AAgentCard包含capabilitiesstreaming、pushNotifications、skills列表、supportedInterfaces多协议端点协议绑定支持http-json-rpc、rest、grpc、urlhttp-json-rpc 回退字段、securitySchemes/securityRequirements安全声明等外部 Agent 通常在/.well-known/agent-{id}.json提供该卡片。URL 发现接口DiscoverFromUrlRequestbackend/apps/a2a_client_app.py携带url、可选显示名覆盖name与仅用于发现/刷新的custom_headers。方式二Nacos 发现在「外部 A2A Agent」标签下选择「Nacos 发现」首次使用需配置连接信息配置项说明示例Nacos 服务器地址Nacos 服务地址http://127.0.0.1:8848命名空间 IDNacos 命名空间可选dev分组名服务分组默认 DEFAULT_GROUPDEFAULT_GROUP用户名/密码Nacos 访问凭据可选nacos/nacos保存配置后填入要扫描的 Agent 服务名点击「扫描」从 Nacos 获取匹配的 Agent 列表勾选所需 Agent 后点击「添加」。前置条件Nacos 服务正常运行、目标 Agent 已正确注册到 Nacos、服务元数据中包含 Agent Card 地址。对应接口见 backend/apps/a2a_client_app.pyDiscoverFromNacosRequest引用已保存的 Nacos 配置并按服务名批量发现TestNacosConnectionRequest则用于不落库的连接性测试。管理发现的外部 Agent查看详情点击 Agent 卡片查看名称、描述、版本、URL 端点、能力列表Skills与调用协议支持测试点击「测试」向 Agent 发送测试消息验证其工作正常聊天点击「聊天」打开聊天窗口进行实时交互验证配置调用协议通过「协议配置」选择调用协议——HTTP JSONREST 风格调用通用场景优先或JSON-RPCJSON-RPC 2.0 标准化 RPC 调用仅在 Agent 明确要求时使用配置认证若 Agent Card 声明了securitySchemes可点击「Agent 认证」填写认证信息支持 Bearer Token、API KeyHeader/Query、Basic Auth刷新Agent 信息变更后点击「刷新」重新获取最新 Agent Card移除从发现列表中删除该 Agent。设为协作智能体发现并配置外部 Agent 后即可将其设为当前智能体的协作方在智能体开发页进入「协作智能体」配置 → 在「外部 A2A Agent」列表中选择目标 Agent → 确认出现在「已选协作智能体」列表 → 保存配置。协作调用示意主智能体分析任务后决定调用「数据分析 Agent」做统计计算、调用「图表生成 Agent」生成可视化、再综合结果产出最终报告。实例接入 DataAgent A2A Agent以支持 A2A 协议的 DataAgent 平台为例先按其文档以 A2A 服务模式启动注意当前 Nexent 暂不支持带认证的 Agent启动时不要设置 auth-token启动后其 Agent Card 地址为http://IP:9999/.well-known/agent-card.json在 Nexent 中选择「URL 发现」填入该地址并点击「发现」添加成功后把调用协议配置为 HTTP JSON最后测试 Agent 响应、确认正常后设为协作智能体使用。FAQ发现失败时依次确认 Agent Card URL 可达、网络与防火墙、Agent 服务运行状态、认证信息正确调用协议选择上 HTTP JSON 兼容性更好、是多数场景首选JSON-RPC 仅在 Agent 明确要求时使用开发符合 A2A 规范的 Agent 可参考 Nexent 自身的 A2A 实现如 backend/services/a2a_server_service.py 与 backend/consts/a2a_models.py。导出平台能力除接入外部资源外Nexent 还支持把平台内资源导出给外部系统三种方式均围绕 Agent 展开方式说明适用场景导出为 JSON/ZIP将 Agent 配置迁移到其他 Nexent 环境部署迁移、备份、批量分发普通发布北向 RESTful API发布后通过标准 RESTful API 调用与业务系统深度集成、工作流自动化发布为 A2A Agent暴露给外部支持 A2A 协议的系统调用跨平台 Agent 协作REST JSON-RPC操作速查导出 Agent 配置 选择 Agent → 导出 JSON/ZIP → 导入到其他 Nexent 部署普通发布 发布 Agent → 生成 API Key → 调用北向 API发布为 A2A Agent 发布 Agent → 勾选 A2A 选项 → 获取调用信息。北向 RESTful API 的详细参数参考对应「调用 Agent 北向 API」文档后端实现可查阅 backend/apps/northbound_app.py 与 backend/apps/northbound_base_app.py。相关资源与获取帮助接入前可先阅读 Agent 开发指南 了解如何创建和配置智能体以及 MCP 生态doc/docs/en/mcp-ecosystem/overview接入过程中如需深入底层原理可在 backend/services/mcp_management_service.py、backend/apps/a2a_client_app.py、backend/agents/create_agent_info.py 等处继续追踪。遇到集成问题可通过仓库的 GitHub Discussions 提问、GitHub Issues 报告问题或加入 Discord 社区与成员交流。赞分享AI AgentAI 应用后端前端大模型RAG【免费下载链接】nexentNexent is a zero-code platform for auto-generating production-grade AI agents using Harness Engineering principles — unified tools, skills, memory, and orchestration with built-in constraints, feedback loops, and control planes.项目地址https://gitcode.com/gh_mirrors/ne/nexent点击查看免费下载相关推荐OpenFang MCP 与 A2A 集成实战指南双向打通外部工具生态与跨框架 Agent 协作OpenFang MCP 与 A2A 集成实战指南双向打通外部工具生态与跨框架 Agent 协作 OpenFang 作为开源 Agent Operating人工智能大模型AI Agent自主智能体Agent 编排MCP Clients知识图谱HubSpot 集成实战指南面向 AI Agent 与 Claude Code 的 CRM REST API、CLI 与 MCP 接入方案HubSpot 集成实战指南面向 AI Agent 与 Claude Code 的 CRM REST API、CLI 与 MCP 接入方案 本篇指南以 tooAI 技能人工智能用 Cursor 的 Agent Mode 设计 UIdaisyUI Skill、Plugin 与 MCP 接入实战指南用 Cursor 的 Agent Mode 设计 UIdaisyUI Skill、Plugin 与 MCP 接入实战指南 daisyUI 是 Tailwind前端UI组件上一篇tarsier集成指南如何与现有CI/CD流水线无缝对接的教程下一篇Stride 引擎构建体系解密Stride.Build.Sdk 内部 MSBuild SDK 完全指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考