AI导哈

智能聊天机器人

一个基于LangChain和Groq的全栈智能聊天机器人，通过实时API获取天气和加密货币数据，具备模块化工具和交互式前端。

  • by Adyl-S
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 adyl-s/mcp-agent-chatbot

使用说明

🧠 LangChain+MCP+Groq+Real API的人工智能聊天机器人

这是一个全栈智能聊天机器人应用程序，使用以下工具构建：

  • LangChain 对于代理编排，
  • 希腊 （LLM）用于快速推理，
  • MCP（多分量协议） 对于模块化工具，
  • 真实 天气 和 加密API 为了提供实时数据，
  • A. 溪流 前端与代理交互聊天。

🔍 这个项目做什么

🤖 聊天机器人代理可以回答以下问题：

  • “东京的天气怎么样？”
  • “比特币目前的价格是多少？”
  • 并使用推理步骤智能地决定调用哪个工具（天气或加密）。

这是 不仅仅是一场闹剧。实际上：

  • 胎儿活着 天气数据 来自OpenWeatherMap API。
  • 胎儿活着 密码数据 通过MCP服务器从CoinGecko API获取。

✨ 特性

  • ✅ 通过MCP（多组件协议）的模块化工具
  • ✅ 基于Groq的快速LLM推理(llama3-70b-8192)
  • ✅ 自定义工具集成（天气+加密）
  • ✅ 从头开始构建，没有Python知识！
  • ✅ 交互式聊天机器人前端（Streamlit）
  • ✅ Loom视频已准备好进行演示和LinkedIn展示

🛠️ 技术栈

层 使用的工具/服务
LLM Groq （通过 langchain_groq)
代理 LangGraph的 create_react_agent()
工具基础架构 MCP（快速MCP+多服务器MCPClient）
前端 流式传输
API OpenWeatherMap，CoinGecko
语言 Python（尽管我是一名MERN开发人员）

🧩 运作原理

🔧 1.天气工具

一个简单的Python服务器，使用MCP和OpenWeatherMap API。

@mcp.tool()
def get_weather(city: str) -> str:
    """Returns the current weather for a given city."""

🔧 2.加密工具

作为HTTP MCP服务器运行，并使用CoinGecko API返回比特币的当前价格。

🧠 3.朗链代理

  • 代理是通过以下方式创建的 create_react_agent.
  • 代理可以在工具之间进行选择(weather, crypto)动态。
  • LLM后端： 格罗克（电话3-70B-8192） 为了快速推理。

🚀 入门指南

1.克隆此Repo

git clone https://github.com/your-username/ai-chatbot-mcp.git
cd ai-chatbot-mcp

2.安装依赖项

python -m venv .venv
source .venv/bin/activate  # or .venv\Scripts\activate on Windows

pip install -r requirements.txt

确保你有：

  • Python 3.10+
  • groq, langchain, streamlit, requests, langchain_groq, langgraph, dotenv等等。

3.设置API密钥

创建一个 .env 根文件夹中的文件：

GROQ_API_KEY=your_groq_key_here

4.运行服务器

启动天气工具：

python weatherserver.py

确保加密MCP HTTP服务器在端口上单独运行 8000.

5.运行Streamlit聊天应用程序

streamlit run client.py

🧪 示例查询

问题 引擎盖下发生了什么
“巴黎的天气怎么样？” weather Tool的代理路线
“比特币的价格？” 加密工具的代理路线
“比较天气和比特币” 代理同时调用两者并合并结果

🌐 与我联系

如果你喜欢这个项目，请随时：

📝 鸣谢

📂 项目结构

.
├── weatherserver.py      # MCP stdio tool for weather
├── cryptoserver.py       # MCP HTTP tool for crypto
├── client.py             # LangChain + Groq chatbot with Streamlit
├── .env                  # API keys
├── requirements.txt
└── README.md

🙌 我学到了什么

  • 构建我的 第一个Python+AI项目 从零开始
  • 了解到 LangChain工具、代理和推理
  • 集成 真实世界的API 通过MCP
  • 创建了一个实际可用的 聊天机器人用户界面

💡 尽管我是一名没有Python或LangChain背景的MERN开发人员，但我通过分解步骤、理解每个块并将其整合在一起，成功地构建了这个项目。你也可以！

相关 MCP