AI导哈

AI助手框架

一个基于Google Gemini API、LangChain和MCP服务器的AI助手框架，支持基础API调用、错误处理和未来扩展如RAG、文件处理和多功能工作流。

  • by Derric01
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 derric01/mcp_server

使用说明

🧠 Gemini、LangChain和MCP的人工智能助手（概念概述）

此存储库演示了 最小的AI助手设置 使用 谷歌的Gemini API 在Python中。
当前实施情况(app.py)显示如何对Gemini进行API调用，处理 费率限制，并为AI驱动的应用程序奠定基础。

虽然这个仓库只有一个基本的Gemini示例，但它的设计是为了以后扩展 LangChain 和 MCP服务器 用于更高级的功能，如RAG（检索增强生成）、PDF/CSV摄取和多代理工作流。

🚀 里面是什么

  • app.py → 连接到 双子座 (gemini-2.0-flash)
    • 从加载API密钥 .env
    • 处理速率限制错误的重试
    • 向模型发送一个简单的文本查询
  • venv/ → Python虚拟环境（默认情况下不在GitHub上跟踪）

🧩 关键概念（用于扩展此项目时）

🔹 Gemini API（当前）

  • 此处用作 LLM后端.
  • 你的 app.py 演示如何安全地与Gemini交互（错误处理、重试）。

🔹 朗链（未来）

  • 简化构建的框架 人工智能驱动的应用程序 通过：
    • 将提示链接到工作流中
    • 管理 记忆 和对话状态
    • 将LLM连接到外部 数据源 （例如，PDF、CSV、数据库）
    • 支持 矢量数据库 如Chroma用于语义搜索

将LangChain视为 胶水 在您的AI模型（Gemini）和数据（文件、数据库、API）之间。

🔹 MCP服务器（未来）

  • 模型上下文协议（MCP） 是一种新兴标准，允许LLM安全地连接到外部工具和服务。
  • 示例：MCP服务器可以让您的模型查询 文件、数据库或API 实时。
  • 这使你的AI助手 不仅智能，而且互联 您的真实世界数据和应用程序。

📂 路线图（计划扩建）

  1. ✅ Gemini集成 （完成于 app.py)
  2. 🔜 LangChain集成 → 用于链接提示和连接数据
  3. 🔜 Chroma或其他载体数据库 → 存储PDF/CSV中的嵌入
  4. 🔜 MCP服务器支持 → 让AI安全地与工具/API对话

⚡ 用法

  1. 克隆仓库并设置环境：
    git clone <repo-url>
cd <repo-folder>
python -m venv venv
source venv/bin/activate  # or venv\Scripts\activate on Windows
pip install -r requirements.txt

相关 MCP