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

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