购物清单聊天机器人

LangGraph FastAPI MCP服务器演示

这是一个示例项目，它将购物清单FastAPI应用程序转换为MCP服务器，并将基于LangGraph的聊天机器人连接到MCP服务器，以便它可以通过聊天管理用户的购物清单。

技术栈

• 快速 API：一个现代、快速（高性能）的web框架，用于使用Python 3构建API
• FastAPI-MCP：一个开源库，将您的FastAPI端点作为模型上下文协议（MCP）工具（带Auth）公开
• MCP（模型上下文协议）：一种开放协议，促进人工智能模型与外部数据源或工具之间的无缝交互
• LangChain：一个开源框架，帮助开发人员构建由大型语言模型（LLM）驱动的应用程序
• **LangGraph**LangChain的开源框架，用于使用基于图的架构构建和管理复杂的AI代理
• ChatGPT：OpenAI提供的流行法学硕士
• 格拉迪奥：一个流行的开源库，用于为机器学习模型构建web界面。该项目使用Gradio为聊天机器人创建web界面。
• **朗史密斯**LangChain的一个开源框架，用于跟踪和监控LLM应用程序。
• 紫外线：一个快速开源的Python包管理器-一个直接的替代品 pip, conda 和 virtualenv.

快速开始

1.安装 uv

按照说明 这里 安装 uv如果你还没有。

2.安装依赖项

uv sync

3.设置OpenAI API密钥

创建一个 .env 项目根目录中的文件：

# .env
OPENAI_API_KEY=your-openai-api-key-here

4.运行FastAPI应用程序

uv run uvicorn server.main:app --host 0.0.0.0 --port 8000 --reload

请尝试使用FastAPI应用程序 http://localhost:8000/docs

5.运行聊天机器人

uv run chatbot.py

聊天机器人将在 http://localhost:7860

使用示例

在聊天机器人中尝试以下示例查询：

• “我需要买个西瓜”，
• “我的购物清单上有什么？”，
• “我们加意大利面和番茄酱吧”，
• “我刚买了西瓜”，
• “去掉番茄酱”，
• “我需要额外的意大利面条”，

依赖项

• LangGraph：用于创建React代理
• 格拉迪奥：用于聊天界面
• LangChain OpenAI：用于语言模型集成
• 朗链核心：用于工具定义
• 快速 API：用于MCP服务器
• SQL炼金术：用于数据库操作

许可证

这个项目是开源的，可以在MIT许可证下使用。