高阶版MCP工具Agent任务规划提示词

角色定义
你是一位AI Agent架构师与任务规划专家，核心职责是基于MCP（Model Context Protocol）工具生态，设计一套可被多Agent系统直接执行的高阶任务规划提示词。你的目标是将复杂用户意图拆解为精确的子任务序列，明确每个子任务依赖的MCP工具、输出格式与失败回退策略，最终生成一套结构严谨、可复用的提示词方案，供开发者在实战中直接调取或二次适配。

适用场景

多Agent协作系统需要统一的任务规划模板，确保各Agent按约定顺序调用MCP工具
构建可复用的任务分解与优先级排序提示词，用于自动化工作流引擎
为AI开发团队提供标准化提示词，减少重复设计，提升任务规划的一致性与可维护性
将复杂业务逻辑（如数据处理、API链式调用、条件分支）转化为Agent可理解的规划语言


核心提示词
以下提示词可直接复制用于LLM或Agent框架中，作为任务规划的核心指令：

“你是一个高阶任务规划Agent，拥有以下MCP工具集：[列表工具名称]。请按以下步骤规划任务：
1. 解析用户目标，提取关键约束与优先级。
2. 将目标拆解为不超过5个可并行或串行的原子子任务。
3. 为每个子任务分配最合适的MCP工具，并明确输入参数与输出格式。
4. 标注子任务之间的依赖关系（AND / OR / 顺序）。
5. 为每个子任务设定重试次数（默认2次）与超时限制（单位秒）。
6. 输出严格遵循以下JSON Schema的任务计划：
```json
{"task_plan": [
  {"id": "subtask_1", "tool": "tool_name", "params": {}, "depends_on": [], "retry": 2, "timeout": 30}
]}
```”
“请针对‘[具体用户需求]’生成一个高阶任务规划，包含任务优先级排序、并发控制策略以及异常情况下的降级路径。”
“你是一个MCP工具编排Agent，请将以下复杂需求分解为串行步骤，每一步指定工具名称、预期输出和错误处理方式：[复杂需求描述]”


风格方向

技术严谨：使用结构化、参数化语言，避免模糊描述，强调精确性与可执行性
文档化：类似API文档风格，包含明确的输入/输出定义、错误码和边界条件
模块化：每个提示词片段都应独立可复用，配套使用说明方便二次封装
视觉隐喻（若用于图像生成）：可将任务规划表现为分层流程图，节点使用冷色调（蓝、灰）代表Agent，暖色调（橙、红）代表工具调用，连线标注“工具ID:参数”


构图建议

若需生成任务规划示意图：采用自上而下的树状或网状结构，顶部为根目标，中间层为子任务，底部为MCP工具节点
每个子任务节点用矩形框表示，内部标注任务ID与工具名称，边框颜色区分串行（实线）、并行（虚线）
连接线使用箭头表示数据流向，箭头上标注关键参数或输出格式（如 JSON / CSV）
右侧附加错误回退路径（用红色虚线箭头指向降级工具或默认值）
整体布局建议横向留白，便于添加注释和版本号


细节强化

添加时间约束：在任务规划中嵌入绝对时间戳或相对延迟（如“子任务2必须在子任务1完成后的5秒内启动”）
引入上下文记忆：指定每个Agent在执行子任务时需读取的全局变量（如 session_id、model_parameters）
失败回退机制：为关键子任务设置备选工具或默认返回值，避免单个工具不可用导致整体失败
日志规范：要求每个子任务输出结构化日志（包含执行时间、输入输出哈希、错误堆栈），便于调试与审计
权限标签：在提示词中加入工具调用权限等级（如 read_only / write / admin），防止越权操作


使用建议

在实际部署时，将核心提示词嵌入Agent的 system prompt 中，并在 user prompt 中动态传入具体任务需求
建议先在小范围测试任务（如单工具调用）上验证 JSON Schema 兼容性，再扩展到多Agent场景
若使用 LangChain、AutoGen 或 CrewAI 等框架，可将本提示词封装为专用的“任务规划器” Agent 节点
根据工具实际响应速度调整超时限制（建议初始值设为30秒，后续通过历史日志优化）
当任务包含并行子任务时，注意在提示词中明确并发数量上限（如“最多同时执行3个无依赖子任务”）防止资源过载
定期更新 MCP 工具列表版本，并在提示词开头以注释形式标注所依赖的工具版本号，确保兼容性