AI导哈

LangChain与LangGraph集成工具

该项目展示了如何集成LangChain、LangGraph和MCP协议，通过自定义数学和天气服务器，构建一个能够执行数学计算和获取天气信息的智能代理。

  • by anilkumarchavda
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 anilkumarchavda/MCPDemoLangChain

使用说明

使用LangChain和LangGraph的MCP演示

这个项目展示了如何整合 LangChain， LangGraph，以及 MCP（模型上下文协议） 配备自定义的数学和天气服务器。
它创建了一个简单的代理，该代理能够通过MCP工具执行数学计算并获取天气信息，运行于（此处根据上下文，可补充具体的运行环境或技术，但原文未给出，故保留原样）： Groq的大语言模型（LLMs）。

📂 项目结构

.
├── client.py          # Main async client using LangChain + MCP + Groq
├── main.py            # Entry point (prints Hello world)
├── mathserver.py      # MCP math server with add/multiply tools
├── weather.py         # MCP weather server (HTTP transport)
├── pyproject.toml     # Project metadata and dependencies
├── requirements.txt   # Minimal requirements file
├── uv.lock            # Lock file for dependencies
├── .gitignore
├── .python-version

🚀 特性

  • MCP 服务器
    • 带有（功能的）数学服务器 add(a, b) 和 multiply(a, b) 工具。
    • 带有（功能/服务的）天气服务器 get_weather(location) 工具。
  • LangChain + LangGraph 代理
    • 用途 create_react_agent 动态选择并调用MCP工具。
  • Groq 集成
    • 由……提供动力/支持 ChatGroq （qwen/qwen3-32b 用于推理和编排的模型。

🛠️ 安装

1. 克隆仓库

git clone https://github.com/your-username/mcpdemolangchain.git
cd mcpdemolangchain

2. 创建虚拟环境（Python 3.13+）

python -m venv .venv
.venv\Scripts\activate   # On Windows

3. 安装依赖项

pip install -r requirements.txt

或者，如果使用 uv:

uv sync

⚙️ 配置

设定你的 Groq API密钥 在……里 .env 文件：

GROQ_API_KEY=your_api_key_here

▶️ 使用方法

1. 启动数学服务器

python mathserver.py

2. 启动天气服务器

python weather.py

3. 运行客户端

python client.py

预期输出：

Math response: 96
Weather response: Its always raining in california

📦 依赖项

🧪 示例查询

代理可以回答：

  • 数学：
    用户“(3 + 5) × 12 等于多少？” → 回应: 96
  • 天气：
    用户“加利福尼亚的天气怎么样？” 回应： "Its always raining in california"

📜 许可证

麻省理工学院（MIT）许可证。详见 许可证 详情请参阅。

相关 MCP