AI导哈

GitHub仓库分析AI代理

一个基于LangGraph和Gemini AI的AI代理系统，提供GitHub仓库分析和依赖扫描功能，支持实时流式响应和自定义MCP工具扩展。

  • by DeanKelly751
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 DeanKelly751/mcp-hackathon

使用说明

使用自定义GitHub MCP工具的AI代理

一个完整的AI代理系统，带有用于GitHub存储库分析的自定义模型上下文协议（MCP）工具。使用LangGraph、Gemini AI、FastMCP和React构建。

🎯 这有什么作用

AI代理可以：

  • 📊 分析GitHub存储库 -获取星星、叉子、问题、活动统计数据
  • 📦 扫描依赖关系 -发现Python、Node.js、Go、Rust、Ruby、Java之间的依赖关系
  • 💬 流响应 -通过web界面实时AI响应
  • 🔧 使用自定义工具 -可扩展的MCP架构，用于添加新功能

🏗️ 建筑

┌─────────────────────────────────────────────────────────────────┐
│                         Browser (localhost:5173)                │
│                    React + TypeScript Frontend                  │
└────────────────────────────┬────────────────────────────────────┘
                             │
                             ↓
┌─────────────────────────────────────────────────────────────────┐
│                    UI Backend (localhost:5003)                  │
│                   Fastify + Node.js Proxy                       │
└────────────────────────────┬────────────────────────────────────┘
                             │
                             ↓
┌─────────────────────────────────────────────────────────────────┐
│                      Agent (localhost:8081)                     │
│              LangGraph + Gemini AI + LangChain                  │
└────────────────────────────┬────────────────────────────────────┘
                             │
                             ↓
┌─────────────────────────────────────────────────────────────────┐
│                   MCP Server (localhost:5001)                   │
│                    FastMCP + Custom Tools                       │
│  • GitHub Stats Tool        • GitHub Dependencies Tool          │
│  • Multiply Tool            • Code Review Tool                  │
└────────────────────────────┬────────────────────────────────────┘
                             │
                             ↓
                    GitHub Public API

🚀 快速开始

先决条件

  • Python 3.11+ 用于MCP服务器和代理
  • Node.js 18+ 用于UI
  • Gemini API密钥 从https://ai.google.dev/

步骤1：启动MCP服务器

cd template-mcp-server

# Install dependencies
pip install -e .

# Start the server
python -m template_mcp_server.src.main

# Server runs on http://localhost:5001

步骤2：启动代理

cd template-agent

# Create .env file
cat > .env << EOF
GEMINI_API_KEY="your-gemini-api-key-here"
MCP_SERVER_HOST=http://localhost:5001/mcp/
MCP_TRANSPORT_PROTOCOL=streamable_http
AGENT_HOST=http://127.0.0.1:8081
AGENT_PORT=8081
EOF

# Install dependencies
pip install -e .

# Start the agent
python -m template_agent.src.main

# Agent runs on http://127.0.0.1:8081

步骤3：启动用户界面

cd template-ui

# Create .env file
cat > .env << EOF
AGENT_HOST=http://127.0.0.1:8081
PORT=5003
AUTH_ENABLED=false
COOKIE_SIGN=super-secret-cookie-signing-key-minimum-32-chars-long
EOF

# Install dependencies
npm install

# Start both frontend and backend
npm run dev

# UI opens at http://localhost:5173

第四步：试试看！

打开http://localhost:5173并询问：

  • “脸书/react的统计数据是什么？”
  • “langchain ai/langgraph的依赖关系是什么？”
  • “25乘以17是多少？”

📦 项目结构

Hackathon/
├── template-mcp-server/          # Custom MCP tools server
│   ├── template_mcp_server/
│   │   └── src/
│   │       ├── tools/
│   │       │   ├── github_stats_tool.py       ⭐ Custom
│   │       │   └── github_dependencies_tool.py ⭐ Custom
│   │       ├── mcp.py            # Tool registration
│   │       └── settings.py       # Configuration
│   └── HACKATHON_SETUP.md        # Detailed MCP docs
│
├── template-agent/               # AI Agent with LangGraph
│   ├── template_agent/
│   │   └── src/
│   │       ├── core/
│   │       │   ├── agent.py      # Agent initialization
│   │       │   └── manager.py    # Conversation management
│   │       └── routes/
│   │           └── stream.py     # Streaming endpoint
│   ├── .env                      # Config (create this)
│   └── HACKATHON_SETUP.md        # Detailed agent docs
│
├── template-ui/                  # Web interface
│   ├── src/
│   │   ├── frontend/             # React app
│   │   └── server/               # Fastify backend
│   │       └── controllers/
│   │           └── v1/
│   │               └── agent.ts  # Proxy to agent
│   ├── index.html                # Frontend entry
│   ├── .env                      # Config (create this)
│   └── HACKATHON_SETUP.md        # Detailed UI docs
│
└── README.md                     # This file

🔧 我们定制的工具

1.GitHub存储库统计数据

  • 工具: get_github_repo_stats
  • 输入: owner/repo （例如。， microsoft/vscode)
  • 输出：星、叉、问题、PR、语言、日期、URL
  • 文件: template-mcp-server/template_mcp_server/src/tools/github_stats_tool.py

2.GitHub依赖性扫描程序

  • 工具: get_github_dependencies
  • 输入: owner/repo
  • 输出：按生态系统划分的依赖关系（Python、Node.js、Go、Rust、Ruby、Java）
  • 文件: template-mcp-server/template_mcp_server/src/tools/github_dependencies_tool.py

🎨 主要特点

  • ✅ 实时流媒体 -查看生成的AI响应
  • ✅ 工具使用可视化 -观察客服决定使用哪些工具
  • ✅ 自定义MCP工具 -轻松添加新功能
  • ✅ 对话历史 -维护消息之间的上下文
  • ✅ HTML渲染 -代理可以返回样式化的HTML响应
  • ✅ 错误处理 -优美的回退和错误消息

🛠️ 技术栈

MCP服务器

  • FastMCP -MCP协议实现
  • Python 3.11 -运行时间
  • 派丹蒂克 -配置管理

代理

  • LangGraph -代理编排
  • LangChain -LLM框架
  • 谷歌双子座 -AI模型（双生-2.5-flash）
  • 乌维科恩 -ASGI服务器

用户界面

  • 反应18 -前端框架
  • TypeScript -类型安全
  • 维特 -构建工具和开发服务器
  • 快车 -后端API服务器
  • 尾风CSS -造型

📝 配置文件

MCP服务器

无需配置-使用默认值 settings.py

代理人： template-agent/.env

GEMINI_API_KEY="your-key-here"              # Required
MCP_SERVER_HOST=http://localhost:5001/mcp/ # MCP endpoint
MCP_TRANSPORT_PROTOCOL=streamable_http      # Must match server
AGENT_HOST=http://127.0.0.1:8081            # Agent endpoint
AGENT_PORT=8081                             # Agent port

UI： template-ui/.env

AGENT_HOST=http://127.0.0.1:8081            # Agent endpoint
PORT=5003                                   # Backend port
AUTH_ENABLED=false                          # For development
COOKIE_SIGN=your-secret-key-here            # Cookie signing

🐛 故障排除

MCP服务器无法启动

  • 检查端口5001是否可用： lsof -i :5001
  • 验证Python 3.11+： python --version
  • 检查终端输出中的日志

代理无法启动

  • 验证Gemini API密钥是否设置在 .env
  • 检查MCP服务器是否在端口5001上运行
  • 检查端口8081是否可用： lsof -i :8081
  • 查看日志： tail -f agent.log

UI无法启动

  • 检查端口5003和5173是否可用
  • 验证Node.js 18+： node --version
  • 检查代理是否在端口8081上运行
  • 查看后端日志： tail -f server.log

“超出429配额”错误

  • 您已达到Gemini的免费等级限制（每天250个请求）
  • 等待配额重置或升级到付费计划
  • 从不同的Google帐户获取新的API密钥

UI显示“获取失败”

  • 验证所有服务是否正在运行
  • 检查浏览器控制台是否存在CORS错误
  • 确保 .env 文件具有正确的端口
  • 尝试重新启动UI后端

📚 延伸阅读

📊 监控

查看日志

# MCP Server (stdout)
cd template-mcp-server && python -m template_mcp_server.src.main

# Agent
tail -f template-agent/agent.log

# UI Backend
tail -f template-ui/server.log

# UI Frontend
Check browser console (F12)

检查服务状态

# MCP Server
curl http://localhost:5001/

# Agent
curl http://127.0.0.1:8081/

# UI Backend
curl http://localhost:5003/

# UI Frontend
curl http://localhost:5173/

🎯 交互示例

GitHub存储库分析

用户：“比较facebook/react和vuejs/vue的统计数据”

代理:

  1. 呼叫 get_github_repo_stats("facebook/react")
  2. 呼叫 get_github_repo_stats("vuejs/vue")
  3. 综合与Gemini的比较
  4. 返回样式化HTML比较

依赖关系发现

用户：“langchain ai/langgraph使用哪些依赖项？”

代理:

  1. 呼叫 get_github_dependencies("langchain-ai/langgraph")
  2. 作语法分析 pyproject.toml
  3. 按类别返回有组织的列表

多工具使用

用户：“获取microsoft/vcode的统计数据并检查其依赖关系”

代理:

  1. 呼叫 get_github_repo_stats("microsoft/vscode")
  2. 呼叫 get_github_dependencies("microsoft/vscode")
  3. 将结果合并为综合报告

🚦 端口摘要

服务 端口 URL
MCP服务器 5001 http://localhost:5001
代理 8081 http://127.0.0.1:8081
UI后端 5003 http://localhost:5003
用户界面前端 5173 http://localhost:5173

🎓 我们的收获

  • MCP协议：如何构建AI代理可以发现和使用的自定义工具
  • LangGraph：使用工具调用进行代理编排
  • 流媒体：通过多个代理层实时响应流
  • 工具设计：构建工具输入/输出以优化人工智能使用
  • 全栈AI：连接前端→ 后端→ 代理→ MCP工具→ 外部API

📄 许可证

请参阅单个项目的LICENSE文件。

在红帽黑客马拉松期间建造🎉

相关 MCP