Lark Agent (MCP Server)

这是一个基于 Model Context Protocol (MCP) 构建的飞书 (Lark/Feishu) 智能代理服务。它采用 双模运行 (Dual-Mode) 架构，既是一个标准 MCP Server，也通过 FastAPI 暴露 HTTP API，完美支持 AI 助手 (Cursor/Claude) 调用和自动化工作流 (n8n) 集成。

✨ 核心特性

• 双模运行:
  • MCP Mode: 运行在主进程，通过 Stdio 协议与 Cursor、Claude Desktop 等 IDE/客户端无缝集成。
  • HTTP Mode: 运行在后台子进程，通过 FastAPI 暴露标准的 RESTful 接口，适配 n8n、Zapier 等 Webhook 触发器。
• 飞书项目全集成: 支持跨项目的任务 CRUD、高级过滤查询、字段元数据解析。
• 企业级架构:
  • Async First: 全异步架构，基于 asyncio 和 httpx 实现极高性能。
  • Metadata Manager: 具备 5 层缓存机制，自动解析飞书项目中的复杂字段 Key/Value，实现零硬编码。
  • Provider 模式: 业务逻辑与底层飞书 SDK/API 彻底解耦，易于扩展。
  • 自动重试 & 脱敏: 完善的错误重试机制（指数退避）及敏感信息脱敏保护。
• 多重认证支持: 支持 Static Token（快速上手）和 Plugin Authentication（企业生产推荐）。

---

🏗️ 系统架构

flowchart TD
    subgraph Clients ["客户端层"]
        CURSOR["Cursor / Claude (IDE)"]
        N8N["n8n / Workflows (HTTP)"]
    end

    subgraph Agent ["Lark Agent (Dual-Mode)"]
        direction TB
        MAIN["main.py (Process Manager)"]
        
        subgraph MCP_PROC ["MCP 进程 (Main)"]
            MCP_STDIO["FastMCP (Stdio Transport)"]
            TOOLS["MCP Tools (Python Functions)"]
        end
        
        subgraph HTTP_PROC ["HTTP 进程 (Child)"]
            FASTAPI["FastAPI (Port 8002)"]
            WRAPPER["Call Tool Wrapper"]
        end
        
        MAIN --> MCP_PROC
        MAIN --> HTTP_PROC
        MCP_STDIO --> TOOLS
        FASTAPI --> WRAPPER
        WRAPPER --> TOOLS
    end

    subgraph Core ["能力核心层"]
        PROVIDER["WorkItemProvider"]
        META["MetadataManager (L1-L5 Cache)"]
        AUTH["AuthManager (Token Cache)"]
    end

    TOOLS --> PROVIDER
    PROVIDER --> META
    PROVIDER --> AUTH
    AUTH --> FEISHU_API["Feishu / Lark API"]

Loading

---

🛠️ 可用工具 (MCP Tools)

工具名	功能描述	核心业务场景
list_projects	列出所有可用项目及 Key	初始探索、查找项目 ID
create_task	创建单条工作项	快速记录 Bug、新增需求
get_tasks	全方位过滤查询工作项	查看我的任务、列出 P0 Bug
get_task_detail	获取工作项完整详情	查看任务描述、属性详情
update_task	更新单个工作项字段	修改状态、指派负责人
batch_update_tasks	[NEW] 批量更新多个工作项	批量结单、批量改优先级
get_task_options	查询字段可用选项	确认状态流转、查看优先级列表

---

🚀 快速开始

方式一：通过 uv tool install（推荐，最简单）

# 1. 安装
uv tool install --from git+https://github.com/Wulnut/lark_agent lark-agent

# 2. 配置环境变量 (见下方配置说明)
# 3. 直接运行
lark-agent

方式二：从源码运行（开发模式）

# 1. 克隆与进入目录
git clone https://github.com/Wulnut/lark_agent.git && cd lark_agent

# 2. 安装依赖并同步环境
uv sync

# 3. 运行服务
uv run main.py

---

⚙️ 环境配置

在项目根目录创建 .env 文件：

# --- 飞书项目配置 (必须) ---
FEISHU_PROJECT_USER_KEY=your_user_key

# 方案 A: 插件认证 (企业推荐，支持自动续期)
FEISHU_PROJECT_PLUGIN_ID=your_plugin_id
FEISHU_PROJECT_PLUGIN_SECRET=your_plugin_secret

# 方案 B: 静态 Token (个人测试，有效期 24h)
# FEISHU_PROJECT_USER_TOKEN=your_token

# --- 飞书机器人配置 (可选，用于 IM 通讯) ---
LARK_APP_ID=your_app_id
LARK_APP_SECRET=your_app_secret

# --- 系统配置 ---
LOG_LEVEL=INFO
FEISHU_PROJECT_KEY=默认项目KEY (可选)

---

🔌 客户端集成

1. Cursor IDE 配置

编辑 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "lark-agent": {
      "command": "lark-agent"
    }
  }
}

2. n8n / HTTP 调用

服务启动后，HTTP 端口默认为 8002。

• 健康检查: GET http://localhost:8002/health

• 调用工具: POST http://localhost:8002/call_tool

  {
    "tool_name": "list_projects",
    "parameters": {},
    "user_key": "your_user_key"
  }

---

🧪 测试与质量

本项目严格遵循 TDD (测试驱动开发)。

• 单元测试: 覆盖核心 Provider、Metadata 及授权逻辑。
• 模拟环境: 使用 respx 拦截 HTTP 请求，无需真实 Token 即可运行。
• 运行测试: uv run pytest (当前 135+ 测试用例全部通过)。

---

📏 开发规范

• 异步规范: 所有 I/O 必须 await。
• 零硬编码: 必须通过 MetadataManager 解析字段别名。
• 错误过滤: 确保敏感堆栈信息不透传给 LLM。

---

📂 项目结构

src/
├── core/           # 核心逻辑 (Auth, Config, Cache, Client)
├── providers/      # 业务 Provider (Project, Meta Managers)
├── schemas/        # Pydantic 数据模型 (API 交互标准)
├── http_server.py  # HTTP 包装层 (FastAPI)
├── mcp_server.py   # MCP 接口定义与工具注册
main.py             # 双模启动入口 & 进程管理

---

📄 许可

MIT License. 版权所有 © 2026 Wulnut.