AI Agent 基础的 Client 端。 三个模块分别对应三种主流 Agent 模式，每个模块都是一个完整、可运行的最小示例，聚焦于"如何用 Gradio + OpenAI API 把 Agent 能力接入到一个真实界面里"。
基于 Gradio 的轻量 AI Agent 演示项目，包含三个独立模块，分别展示Skills client、MCP client、多 Subagent 协作三种 AI 工作模式。
| 模块 | 目录 | 核心特性 |
|---|---|---|
| Skill Chat | skills-chat/ |
技能感知 · Progressive Loading · 热加载 |
| MCP Client | MCP-client/ |
MCP Server 动态接入 · 工具列表管理 |
| Subagent Chat | subagent-client/ |
Orchestrator + 多 Agent 协作 |
工作方式： AI 维护一份轻量技能索引（名称 + 描述），当用户意图与某个技能匹配时，自动通过 read_file / ls / bash 工具按需读取该技能的完整内容与脚本，再按技能定义的工作流拆解任务、逐步执行。全程工具调用实时可见，支持多轮连续对话。
核心机制 — Progressive Loading：
- 启动时仅将技能的
name + description注入 System Prompt（轻量元数据） - 用户意图匹配后，AI 主动调用
read_file加载对应SKILL.md完整内容 - 按需进一步加载
scripts/、references/等子资源
界面布局：
- 左侧：项目文件树（实时浏览目录结构）
- 中间：对话区（流式输出，工具调用可折叠展示）
- 右侧：技能列表（点击展开描述，支持热加载）
启动：
cd skills-chat
cp .env.example .env # 填写 API Key
pip install -r requirements.txt
python gradio_app.py
# 访问 http://localhost:7860
工作方式： 通过 MCP（Model Context Protocol）协议动态接入外部工具服务，AI 根据用户请求自动选择并调用对应 MCP Server 提供的工具。内置天气查询、时间获取、计算等示例工具。
核心特性：
- 支持同时连接多个 MCP Server（stdio / SSE 两种传输方式）
- 工具列表从 Server 动态获取，无需硬编码
- 界面内直接编辑
mcp_config.json，保存后自动重连
界面布局：
- 左侧：MCP Servers 状态（在线/离线 · 工具数量）
- 中间：对话区（工具调用过程实时展示）
- 右侧：工具管理（列表 / 配置编辑 / 单工具测试）
启动：
cd MCP-client
cp .env.example .env # 填写 API Key 和 WEATHER_KEY
pip install -r requirements.txt
python gradio_app.py
# 访问 http://localhost:7860
工作方式： Orchestrator 分析用户意图，将任务拆解后委托给专门化 Subagent（🔍 研究员 · 💻 工程师 · ✍️ 写手 · 📊 分析师），整合输出后给出完整回答。全程委托链路实时可见。
核心特性：
- Orchestrator 负责意图理解与任务拆解
- 各 Subagent 专注单一领域，并行或串行执行
- Agent 活动日志实时展示每个 Agent 的工作内容
- 支持逐步迭代演示（step1 → step2 → step3）
界面布局：
- 左侧：可用 Agents 列表（名称 + 职责描述）
- 中间：对话区（Orchestrator 调度过程可见）
- 右侧：Agent 活动日志（各 Agent 执行摘要）
启动：
cd subagent-client
cp .env.example .env # 填写 API Key
pip install -r requirements.txt
python gradio_app.py
# 访问 http://localhost:7862gradio-mini-agent/
├── assets/ # 截图等静态资源
├── skills-chat/ # Skill Chat 模块
│ ├── gradio_app.py
│ ├── utils.py
│ ├── skills/
│ │ ├── public/ # 公共技能
│ │ └── custom/ # 自定义技能
│ ├── requirements.txt
│ └── .env.example
├── MCP-client/ # MCP Client 模块
│ ├── gradio_app.py
│ ├── mcp_ops.py
│ ├── weather_server.py
│ ├── example_server.py
│ ├── mcp_config.json
│ ├── requirements.txt
│ └── .env.example
└── subagent-client/ # Subagent Chat 模块
├── gradio_app.py
├── agents.py
├── step1_subagent.py
├── step2_pipeline.py
├── step3_orchestrator.py
├── requirements.txt
└── .env.example
- Python 3.10+
- 各模块独立安装依赖（见各目录
requirements.txt） - 需要 OpenAI 兼容 API（支持 SiliconFlow、OpenAI 等）
每个模块目录下均有 .env.example，复制为 .env 并填写：
OPENAI_API_KEY=your_api_key_here
OPENAI_BASE_URL=https://api.siliconflow.cn/v1
MODEL=Pro/MiniMaxAI/MiniMax-M2.5MCP-client 额外需要配置
WEATHER_KEY（和风天气免费 API）