MultiAgentPPT
基于 A2A+MCP+ADK 架构的多智能体 PPT 生成系统，输入主题自动调研、生成大纲、流式渲染可编辑 PPT
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
基于 A2A+MCP+ADK 架构的多智能体 PPT 生成系统，输入主题自动调研、生成大纲、流式渲染可编辑 PPT
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你一定遇到过这样的场景：明天要做项目汇报，今晚加班赶PPT，翻遍了全网资料却发现内容还是干巴巴的——没有数据支撑、没有行业背景、页面排版也是复制粘贴的流水账。手动搜索、整理、撰写、排版，一套流程下来，几个小时就没了。
MultiAgentPPT 正是为解决这一痛点而生。它用多智能体（Multi-Agent）替代人工流水线：输入一个主题，系统自动完成资料检索、大纲生成、内容撰写、PPT渲染，全流程流式输出，你实时看到每一页是怎么"长"出来的。
MultiAgentPPT 的作者 johnson7788 在 GitHub 上活跃多年，专注于 AI Agent 方向的工程实践。2025年，他注意到市面上虽然有不少 AI 生成 PPT 的工具，但大多数本质上是"模板填充器"——用户选模板、填文字，AI 的参与感极弱。
他希望做一套真正能"理解主题、主动调研、自动生成"的 PPT 生成系统。经过数月迭代，MultiAgentPPT 从一个简单的单 Agent 脚本，逐步演变为集成 A2A（Agent-to-Agent）协议、MCP（Model Context Protocol）和 Google ADK（Agent Development Kit）三大架构的多智能体协作平台，在 GitHub 上获得 1600+ Stars，成为该领域的标杆开源项目之一。
MultiAgentPPT 的技术选型极具前瞻性，不是简单拼凑工具，而是围绕多智能体协作这一核心需求精心设计。
A2A 是 Google 主导的智能体通信协议，旨在解决不同厂商、不同框架构建的 Agent 之间互联互通的问题。在 MultiAgentPPT 中，大纲生成 Agent（Outline Agent）和 PPT 内容生成 Agent（Slide Agent）通过 A2A 协议通信——Outline Agent 生成的大纲通过 A2A 发送给 Slide Agent，后者接收后启动并行处理流程。
A2A 协议的优势在于状态感知：Agent 之间不是简单的请求-响应，而是共享任务状态，支持流式输出和长时间运行的复杂任务。这对于 PPT 生成这种多步骤协作场景至关重要。
MCP 是 Anthropic 主导的模型上下文协议，允许 AI 模型调用外部工具和知识库。在 MultiAgentPPT 的 slide_outline 模块中，MCP 被用来连接本地 RAG（检索增强生成）知识库——当大纲生成 Agent 需要获取领域背景资料时，通过 MCP 调用 rag_tool，从本地知识库检索相关内容，生成的大纲不再是空洞的标题，而是有真实数据支撑的内容框架。
MCP 的另一大优势是工具标准化：无论是 Bing 搜索、本地数据库还是 API 调用，都通过统一的 MCP 接口暴露给 Agent，无需为每个工具单独写适配代码。
ADK（Agent Development Kit）是 Google 提供的官方 Agent 开发工具包。相比 LangChain 等通用框架，ADK 对 Google 自家的 Agent 模式（Sequential Agent、Loop Agent）有原生支持，且与 Gemini 模型深度集成。
MultiAgentPPT 中，ADK 被用来构建三种核心 Agent 模式：
整个 PPT 生成流程如下：
这是整个系统的大脑。slide_outline 模块负责接收用户主题，通过 MCP 工具调用本地知识库，生成有深度的大纲。
核心文件：
这是系统的双手。slide_agent 接收大纲后，启动并行研究流程，最终逐页生成 PPT 内容。
核心 Agent 子模块：
后端渲染模块，使用 python-pptx 将 Agent 生成的结构化内容（JSON/XML）转换为可下载的 .pptx 文件。用户确认大纲后，系统在后端完成 PPT 文件渲染，通过 /download 接口提供下载。
前端采用 Next.js 14（App Router），配合 Prisma ORM 连接 PostgreSQL 数据库，存储用户生成的 PPT 记录。页面支持：主题输入框、大纲实时流式展示、PPT 内容逐页预览、版本历史管理。
MultiAgentPPT 的 create_model.py 体现了工程上的深思熟虑：它不绑定任何特定模型提供商，而是通过 LiteLLM 抽象层，支持几乎所有主流 LLM API：
| Provider | 示例模型 |
|---|---|
| gemini-2.0-flash | |
| Anthropic Claude | claude-3-opus |
| OpenAI | GPT-4o |
| DeepSeek | deepseek-chat |
| 阿里通义 | qwen-plus |
| 字节豆包 | doubao-pro |
| 本地模型 | 任意 OAI-compatible |
用户只需在 .env 中配置对应的 API Key 和 Provider，即可切换不同的模型后端。这种设计让系统在快速变化的 LLM 领域保持灵活性。
项目为每个核心模块提供了独立的 Dockerfile：
docker-compose 只覆盖前端部分（包含数据库），后端各 Agent 服务需要单独部署——不同 Agent 可能有不同的扩展需求，独立部署更灵活。
部署前需要准备：
由于涉及 3 个独立后端服务（outline、slide、ppt_api）+ 1 个前端，完整部署对运维有一定要求。作者也推荐参考其新项目 TrainPPTAgent 获取更企业化的部署方案。
前端界面提供了完整的交互体验：主题输入 - 大纲流式生成 - 确认大纲 - PPT 内容流式生成 - 下载 .pptx，每一步都有实时状态反馈，Agent 的思考过程可见。
多服务部署复杂度高：需要同时启动 outline agent、slide agent、ppt_api、frontend 四个服务，对非 DevOps 用户不友好。作者也坦承这一点，在 README 中推荐使用新的 TrainPPTAgent 项目
依赖外部 LLM API：系统本身不包含模型，所有内容生成依赖第三方 API，有成本考量，且在网络受限环境下可能不可用
RAG 知识库需自建：MCP RAG 功能需要用户自己构建知识库，入门门槛不低
PPT 模板维护成本：作者在 News 中提到"PPT 内容和模板无法很好维护"，这也是项目重构的原因之一
不支持纯离线运行：即使配置本地模型，也需要 Ollama 等本地推理服务，不是完全零依赖
MultiAgentPPT 代表了 AI 应用的一个明确趋势：从"AI 辅助工具"到"AI 自主工作流"的演进。
传统 AI PPT 工具本质上是"高级模板"，人在整个流程中仍占主导。而 MultiAgentPPT 展现了一种更激进的思路：让多个专业 Agent 协同工作，覆盖从调研到输出的完整价值链。用户只需要做两件事：输入主题、确认大纲。
这种模式在以下场景特别有价值：
从 GitHub Stars 增长曲线来看（1600+ Stars，5 个 Open Issues），项目处于活跃维护状态。虽然作者建议转向 TrainPPTAgent，但 MultiAgentPPT 作为学习多智能体协作架构的参考项目，仍有极高的研究价值。
总结：MultiAgentPPT 是一个工程质量极高的多智能体协作系统范本，它不是简单的 Python 脚本，而是将 A2A、MCP、ADK 三大协议有机融合的实战项目。对于想深入理解 Agent 协作、了解如何在生产环境中编排多个 AI 服务的开发者来说，这个项目是极佳的学习素材。对于普通用户，如果接受一定的部署门槛，它也能显著提升 PPT 制作效率。