AI导哈

多代理客户服务系统

一个分布式多代理系统，通过A2A协调、MCP协议和LLM技术实现客户服务流程自动化，适用于复杂查询处理和数据管理。

  • by ashhhwin
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 ashhhwin/Multi-Agent-Customer-Service-System-with-A2A-and-MCP

使用说明

多代理客户服务系统（A2A+MCP+LLM）

概述

一个分布式多代理系统，旨在自动化客户服务工作流程。该架构利用 代理人对代理人（A2A） 任务委托协调 模型上下文协议（MCP） 用于安全的数据库访问，以及 大型语言模型（LLM） 用于智能意图分类和自然语言生成。

该系统协调了三个自主代理，使用确定性工具和生成式人工智能的组合来处理复杂的客户查询、数据检索和票务管理。

建筑

  • 路由器代理（端口8100）： 编排者。使用LLM（通过Hugging Face API）分析自然语言查询，提取实体，并将任务路由到适当的专家。
  • 客户数据代理（端口8101）： 数据专家。与MCP服务器接口，以获取和更新客户记录。
  • 支持代理（端口8102）： 支持专家。管理工单创建和状态检查。使用LLM根据工具输出生成简洁的对话式响应。
  • MCP服务器（标准）： 数据库接口。通过以下方式公开SQLite工具 FastMCP 超过标准输入/输出。

先决条件

  • Python 3.10+

安装

  1. 克隆存储库：

    git clone <repository_url>
cd multi_agent_customer_service

  2. 设置虚拟环境：

    python -m venv venv
# Mac/Linux:
source venv/bin/activate
# Windows:
venv\Scripts\activate

  3. 安装依赖关系：

    pip install -r requirements.txt

  4. 初始化数据库： 生成 support.db 以及种子初始数据。

    python -m mcp_server.database_setup

    与……确认 y 当提示时。

用法

重要提示： 您必须设置您的拥抱脸令牌，以便代理智能运行。

  1. 设置API令牌：

  2. 发射代理： 打开三个单独的终端窗口（确保venv处于活动状态，并且每个窗口中都设置了令牌）：

    • 终端1（数据）： python -m agents.customer_data_agent
    • 2号航站楼（支持）： python -m agents.support_agent
    • 终端3（路由器）： python -m agents.router_agent

测试与验证

1.端到端场景

执行集成测试套件以验证代理协调、任务分配和协商流程。这包括测试自然语言输入（例如，“我想拿回我的钱”），以验证LLM意图分类。

python -m tests.run_scenarios

相关 MCP