Eigent 使用指南：搭建你的第一个自定义 MCP 服务器

在开源项目中，时间非常宝贵。维护者要同时处理 bug 修复、功能需求、社区支持和文档工作，还要尽力保持代码安全和发布有序。其中一项重复但至关重要的任务是 审查 pull request 并准备发布更新。这件事很必要，但也会占用原本可以用于创新的数小时。

如果自动化能帮你处理这些繁琐工作呢？这正是 Eigent 的用武之地，它为你提供一个 Eigent 开源协作伙伴，能够可靠地支持并自动化你的 GitHub 工作流。

Eigent 是全球首个 多智能体团队（Multi-agent Workforce） 桌面应用，帮助你构建、管理并部署自定义 AI 团队，将最复杂的工作流转化为自动化任务。它是一个 模块化多智能体系统，可以拆解复杂任务，并通过协同工作的专用智能体来处理。

Eigent 的 多智能体协作平台 能把你的工作流转化为自动化任务，从而提升效率。它基于开源 CAMEL 框架，带来并行执行、可定制性和隐私保护等 AI 自动化能力。

Eigent 能为你做什么？ 对初次接触的读者来说，可以把 Eigent 理解为一个灵活的 agentic 助手。你可以创建不同的“worker”（AI 智能体），让它们具备特定领域技能（例如编码、文档、DevOps），并让它们协作完成任务。以下是一些 Eigent 可以简化的技术工作流示例：

• 借助 AI 智能体实现 GitHub 自动化：审查代码变更、总结 pull request、分流 issue。
• 生成发布说明：自动汇总每个版本中的新增亮点。
• 文档与代码分析：从文档或代码库中提取要点，提出改进建议。
• 开源工作流：跟踪项目活动、为贡献者生成报告等。

在本指南中，我们将演示 如何在 Eigent 中配置自定义 GitHub MCP 服务器，并搭建一个智能体工作流，用于：

1. 从仓库中获取新的 pull request
2. 提取并分析 PR 数据
3. 将亮点整理成可直接用于发布的说明
4. 生成简短的社交媒体文案（例如用于 Twitter/X）

让我们开始这份分步指南吧！

第 1 步：打开 Eigent 并进入 MCP 与工具设置

启动 Eigent 后，先打开 Settings 面板。在设置中找到并点击 “MCP & Tools” 选项。这里可以为你的 AI 智能体配置外部工具和服务器。我们将利用这个区域为 GitHub 任务添加一个新的自定义 MCP 服务器。

在 MCP & Tools 选项卡中，你会看到可用工具列表以及已配置的 MCP 服务器。要添加自己的服务器，请找到 “Add MCP Server” 按钮并点击它。这样会打开一个对话框，你可以在其中输入新服务器的 JSON 配置。

第 2 步：通过 JSON 配置添加自定义 MCP 服务器

Eigent 允许高级用户通过提供 JSON 配置来添加自定义智能体服务器。在 Add MCP Server 对话框中，你会看到一个可粘贴 JSON 的文本区域。我们将添加一个 sequential-thinking MCP 服务器——一个通用 AI 推理引擎，可协调任务执行（非常适合拆解复杂提示词）。

使用以下最小 JSON 来注册该服务器：

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

第 3 步：配置 GitHub MCP 服务器设置（包含你的 PAT）

在完成 MCP 服务器设置之前，请在配置中加入你的 GitHub Personal Access Token (PAT)。该 token 可让智能体通过 GitHub API 进行身份验证并获取仓库数据。请先在你的 GitHub 账户中生成一个具有适当权限范围的 PAT（对于公开仓库，默认的 public 权限范围即可）。

将配置扩展为包含 GitHub 服务器和你的 token：

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": [
        "-y", "@modelcontextprotocol/server-sequential-thinking",
        "ghcr.io/github/github-mcp-server"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_yourGitHubTokenHere"
      }
    }
  }
}

JSON 准备好后，点击 Install 或 Add 保存 MCP 服务器。Eigent 会在后台下载并初始化该服务器。稍等片刻后，你应该能在 MCP 工具中看到新服务器已列出。

第 4 步：使用新的 MCP 服务器添加一个专注于 GitHub 的 worker（智能体）

既然 MCP 服务器已经配置好了，现在就创建一个使用该服务器的 Worker。在 Eigent 中，"Worker" 是一个 AI 智能体角色，它可以使用指定的工具集或 MCP 服务器执行任务。进入你的 Workforce/Agents 页面，然后选择 Add Worker。

给它取一个类似 “GitHub MCP” 的名字，并将描述写成 “帮助处理 GitHub 任务”。将 Agent Tool 分配给我们刚刚添加的 MCP 服务器（例如 “sequential-thinking”）。保存该 worker，即可创建你的 GitHub 自动化助手。

第 5 步：提示智能体总结 Pull Request

打开与新 worker 的聊天，并提供一个任务提示，要求智能体从仓库中审查 pull request 并进行总结。

你可以尝试这样一个详细提示词：

审查仓库 https://github.com/camel-ai/camel 中最近的 30 个 pull request。按影响力（变更行数、影响文件数量或讨论深度）选出前 5 个。对每个入选的 PR，按以下格式生成可直接用于发布的更新：✨ Feature: <吸引人的一句话总结> \n💡 Why it matters: <简短的要点说明> \n🙏 Thanks @<GitHubAuthor>.

这条指令会让智能体自动完成一个常见的开源工作流：分析最近的 pull request 并整理重要变更摘要。你可以根据需要自定义仓库 URL 或筛选标准。

第 6 步：观察 Eigent 自动拆解任务并获取数据

发送提示词后，Eigent 的多智能体引擎就会开始工作。这个请求相当复杂，但 Eigent 会通过把工作拆分成多个可管理的子任务来处理它。在后台，Sequential Thinking MCP 服务器会解析指令并制定计划。它可能会：

1. 从指定仓库中获取最近 30 个 PR 的列表（使用 GitHub MCP 工具）。
2. 分析每个 PR 的元数据（变更行数、文件、评论）来判断“影响力”。
3. 根据这些标准选出前 5 个 PR。
4. 针对每个 PR，按要求格式撰写摘要（✨ Feature、💡 Why it matters、🙏 Thanks...）。
5. 如有需要，还可以为 X（Twitter）准备一个精简版。

最后，智能体会生成 输出结果：一组格式整洁、可直接用于发布的 top PR 更新内容，通常以 Markdown 形式呈现。

用智能体自动化赋能 OSS 工作流

在本教程中，我们使用 AI 智能体在 Eigent 中自动化了一个开源维护任务——总结 GitHub pull request。我们将一个自定义 GitHub MCP 服务器 引入 Eigent，创建了专用 worker，并基于实时仓库数据生成了发布说明片段。

借助 Eigent 的 MCP 集成 和多智能体协作，复杂工作流（例如分流数十个 PR）可以由 AI 高效处理，让你能够把精力集中在更高层级的决策上。Eigent 可以适配许多场景，从撰写摘要、管理 issue，到测试代码或更新文档都可以胜任。

欢迎在你自己的项目中试试 Eigent，体验由 AI 驱动团队带来的效率提升！开源协作的未来，或许正是人类热情与不知疲倦的 AI 助手携手完成的结果。🚀