Agentic Beehive MCP Server
蜂巢动态调度中枢 — 态势感知、分支调度、外在群落管理
安装
# 1. 安装到 OpenClaw skills 目录
clawhub install agentic-beehive-mcp
# 2. 创建 Python 虚拟环境
cd ~/.openclaw/workspace/skills/skills/agentic-beehive-mcp
python3 -m venv .venv
source .venv/bin/activate
pip install fastmcp
# 3. 在 openclaw.json 中注册 MCP server
# 添加到 mcp.servers：
# "agentic-beehive": {
# "command": "<skill-path>/.venv/bin/python",
# "args": ["<skill-path>/server.py"]
# }
# 4. 重启 gateway
openclaw gateway restart
工具清单（12个）
🏠 蜂巢工具（内部）
skill_list— 列出蜂巢所有分支及其状态skill_query— 根据任务描述推荐分支和范式skill_update— 更新分支状态/效果评分skill_evolve— 触发分支进化（添加新能力）
🌍 生态工具（外部）
colony_list— 列出所有已注册的外在群落colony_register— 注册新群落（hive/flower_field/manuka_grove/river）colony_poll— 探测群落状态colony_forage— 从群落采蜜（取数据）
📡 态势工具（全局）
status_summary— 蜂巢全局态势摘要status_decide— 范式判断（任务交付 vs 状态维持）alert_add— 添加告警alert_resolve— 解决告警
蜂巢生态位
| 类型 | 生态位 | 含义 |
|---|---|---|
hive | 🏠 另一个蜂巢 | 其他 Agent 集群 |
flower_field | 🌼 油菜花群落 | 数据源 |
manuka_grove | 🌿 麦卢卡树丛 | 专业知识 |
river | 🌊 河流 | 流式信息 |
设计哲学
- 采蜜：按需从外在群落取数据
- 酿蜜：将原始数据加工成决策和知识
- 分蜂：集群自我进化，扩展新分支或新群落
对金鱼脑模型的意义
MiniMax 等短上下文模型无法自主维持记忆和态势感知。 beehive 是它的体外骨架：
- 忘了在干什么 →
status_summary - 忘了有什么能力 →
skill_list - 不知道该用什么 →
skill_query+status_decide - 需要外部数据 →
colony_forage