DeamonDev888

🧠 OverMind-MCP

Community DeamonDev888
Updated

orchestrateur universel agents ia multi modeles ultra rapide et modulaire via protocole mcp pour piloter claude-code gemini-cli qwen-cli Kilo/Cline et openclaw sans limite, GLM Minimax Kimi Ollam etc Ready

🧠 OverMind-MCP

Orchestrateur universel agents IA multi-modeles via MCP pour piloter Claude-Code, Gemini-cli, QwenCli, Nous Hermes, Kilo/Cline, OpenClaw, GLM, Minimax, Kimi, Ollama et plus sans limite.

OverMind-MCP est une conscience supĂ©rieure conçue pour orchestrer, commander et automatiser une flotte illimitĂ©e d'agents IA. Compatible avec Claude-Code, Gemini-cli, QwenCli, Nous Hermes, Kilo/Cline, OpenClaw, et prĂȘt pour GLM, Minimax, Kimi, Ollama et bien d'autres.

Il transforme les outils CLI isolĂ©s en une force coordonnĂ©e, pilotable par API ou par MCP, capable d'exĂ©cuter des missions complexes. Expert en outils MCP, il peut ĂȘtre scriptĂ© pour les faire fonctionner ensemble et les mettre en production.

  • 🔌 ContrĂŽle Total : Lancez des missions complexes via MCP ou directement via le code (Claude, Gemini, QwenCli, Hermes).
  • đŸ—ïž Architecture Pro : BasĂ© sur des services (AgentManager, ClaudeRunner, PromptManager) pour une stabilitĂ© maximale.
  • 🧠 MĂ©moire Haute-Performance (4096D) : SystĂšme RAG intĂ©grĂ© via PostgreSQL + pgvector.
  • đŸ›Ąïž MĂ©moire SĂ©grĂ©guĂ©e : Chaque agent peut possĂ©der ses propres souvenirs isolĂ©s tout en ayant accĂšs au socle global.
  • đŸ€– Multi-Agents : CrĂ©ez, configurez et gĂ©rez des personnalitĂ©s d'agents isolĂ©es (Prompts & Settings dĂ©diĂ©s).
  • 📩 PrĂȘt pour l'IntĂ©gration : Importable comme un module NPM dans vos autres projets.
  • đŸ…Ÿïž HTTP Singleton : Plus de zombies — 1 serveur HTTP partagĂ© par tous les agents.

🚀 Installation

Globale via NPM (Recommandé)

npm install -g overmind-mcp@latest

[!IMPORTANT]Configuration du Workspace (OVERMIND_WORKSPACE)Pour éviter les erreurs de résolution (notamment si vous lancez Overmind hors du dossier du projet), déclarez le chemin du workspace au niveau du systÚme ou de la configuration de votre service, et non dans le .env de projet :

  • Via Systemd : Ajoutez WorkingDirectory=/chemin/du/projet ou Environment=OVERMIND_WORKSPACE=/chemin/du/projet dans la directive [Service].
  • Via le Shell : ExĂ©cutez export OVERMIND_WORKSPACE="/chemin/du/projet" (dans .bashrc ou .profile).

Configuration MCP (HTTP)

AprĂšs installation, configurez votre client MCP en mode HTTP :

{
  "mcpServers": {
    "overmind": {
      "transport": "http-stream",
      "url": "http://localhost:3099"
    },
    "memory": {
      "transport": "http-stream",
      "url": "http://localhost:3099"
    },
"postgresql": {
      "transport": "http-stream",
      "url": "http://localhost:5433",
      "description": "PostgreSQL MCP - Base de données vectorielle"
    }
  }
}

🔧 Installation Locale (Dev)

git clone https://github.com/DeamonDev888/overmind-mcp.git
cd overmind-mcp
pnpm install
pnpm run build

Utilisation comme BibliothĂšque

import { runAgent, AgentManager, updateConfig } from 'overmind-mcp';

// 1. Initialisation
updateConfig('./settings.json', './mcp.local.json');

// 2. Gestion des agents
const manager = new AgentManager();
await manager.createAgent('expert-seo', 'Tu es un expert SEO...', 'claude');

// 3. Lancer une exécution
const { content, isError } = await runAgent({
  runner: 'claude',
  agentName: 'expert-seo',
  prompt: 'Analyse le site example.com',
  autoResume: true,
});

if (!isError) {
  console.log('đŸ€– RĂ©sultat:', content[0].text);
}

📂 Structure du Projet

Workflow/
├── bin/                    # Scripts d'installation et launchers
├── docker/                 # Configuration Docker (PostgreSQL, pgvector)
├── docs/                   # Documentation
├── scripts/                # Scripts de maintenance (setup, postgres, etc.)
├── src/                    # Code source TypeScript
│   ├── bin/                # Points d'entrĂ©e CLI (cli.ts, overmind-bridge.ts)
│   ├── bridge/             # Bridge HTTP JSON-RPC (OverBridgeServer, SessionStore)
│   ├── lib/                # BibliothĂšques partagĂ©es (config, logger, telemetry)
│   ├── memory/             # Provider mĂ©moire PostgreSQL + pgvector
│   ├── services/           # Runners d'agents (Claude, Hermes, Gemini, Kilo, etc.)
│   │   └── hermes/         # Modules extraits du NousHermesRunner
│   ├── tools/              # 14 outils MCP (run_agent, memory_search, etc.)
│   └── __tests__/          # Tests unitaires (vitest)
└── assets/                 # Images et ressources

đŸ›Ąïž Anti-Zombie Architecture

L'ancien problùme : chaque agent spawn son propre node.exe MCP server → zombies.

La solution : 1 seul serveur HTTP par service, partagé par tous les agents.

Agent 1 ──┐
Agent 2 ──┌──→ Overmind:3099 (1 process)
Agent 3 ──┘
         └──→ PostgreSQL:5433 (1 process)
         └──→ Discord:3141 (1 process)

Plus de node.exe par agent = plus de zombies.

Aperçu du Terminal

Projet propulsé par DeaMoN888 - 2026

MCP Server · Populars

MCP Server · New

    Cassette-Editor

    Oh My Cassette: Chat Your Raw Clips Into a Finished Cut

    䜠的随èș« AI ć‰ȘèŸ‘æ­æĄŁ | Pocket AI co-editor for video montage — AI video editing plugin & MCP server for Claude Code, Codex, Hermes & OpenCode

    Community Cassette-Editor
    trendsmcp-ai

    Trends MCP

    MCP server for live trend data. Query Google Search, YouTube, TikTok, Reddit, Amazon, Wikipedia, News sentiment, Web Traffic, App Downloads, Steam, npm and more. Works with Claude, Cursor, VS Code, GitHub Copilot, ChatGPT, Windsurf, Cline, Raycast and any MCP-compatible.

    Community trendsmcp-ai
    jacob-bd

    Gemini Notebook (formerly Google NotebookLM) CLI & MCP Server

    Programmatic access to Gemini Notebook - via command-line interface (CLI), Model Context Protocol (MCP) server, and AI agent skills.

    Community jacob-bd
    PxyUp

    Fitter — web data for AI agents

    New way for collect information from the API's/Websites

    Community PxyUp
    kayhendriksen

    foehn

    Download MeteoSwiss Open Government Data — weather stations, radar, hail, forecasts and climate series — via Python API, CLI, or MCP server, as DataFrames, Parquet, xarray Datasets or Zarr stores

    Community kayhendriksen