使用说明
MCP概述
模型上下文协议（MCP） 是LLM与外部工具和API交互的标准化方式。
一 MCP服务器 公开工具或功能（如天气、数学或Gmail API），以及 MCP客户端 将这些服务器连接到LLM，以便在推理过程中动态调用正确的工具。
MCP项目概述
| S.没有 | 项目描述 | 使用的MCP服务器 | 法学硕士/框架 |
|---|---|---|---|
| 1 | mcp_servers_external演示了多个外部MCP服务器（如用于浏览的Playwright、用于预订的Airbnb和用于搜索的DuckDuckGo）如何协同工作。LLM通过统一的MCP客户端使用这些服务器来自动化现实世界的web操作，如搜索、导航网站和模拟用户任务。 |
@playwright/mcp, @openbnb/mcp-server-airbnb, duckduckgo-mcp-server |
Groq, 开放人工智能，MCP客户端(mcp_use) |
| 2 | math_weather_multiserver展示了两个定制的MCP服务器如何协同工作——一个处理数学计算( add, multiply)，而另一个则获取实时天气数据。基于LangChain的多服务器MCP客户端允许LLM（Groq）根据用户的查询动态选择和调用正确的工具。 |
MathMCP, WeatherMCP |
Groq, LangChain MCP客户端 |
| 3 | dataset_visualizer使用自定义MCP工具构建数据集可视化助手，以分析任何数据帧变量( df).它可以创建数据集的JSON表示，动态执行Python和HTML代码，并将输出保存为文件。该系统自动建议最佳可视化类型（例如散点图、条形图、热图），生成前端可视化代码，在输出上进行反映，并根据LLM反馈迭代改进。 |
PythonMCP, VisualizationMCP, FileSaverMCP |
Groq, 开放人工智能, LangGraph, 反光剂环 |
| 4 | amazon_search_analyzer通过连接到亚马逊搜索API和网络爬虫的MCP服务器，自动化亚马逊产品搜索和分析。该系统处理用户查询，检索搜索结果，比较备选方案，并生成详细的产品分析报告。使用四个协调的代理-- 规划师, 检索器, 分析器，以及 终结器 --以模拟完整的决策工作流程。 |
Amazon search_products, Amazon scrape_product |
Groq, 开放人工智能, LangGraph多代理, 工具编排 |
| 5 | gmail_urgency_classifier使用Gmail MCP工具通过Gmail API进行身份验证，读取电子邮件内容，并根据紧急程度对收到的邮件进行分类。该系统经历了四个代理阶段-- 规划师, 检索器, 分类器，以及 终结器 --分析主题行和正文以确定优先级（高、中、低）。它可以跑过去 奥拉玛, Groq，以及 开放人工智能 LLM，提供灵活的本地和云推理。 |
get_current_date, gmail_auth, gmail_unread_count, gmail_list, gmail_read |
奥拉玛, Groq, 开放人工智能, LangChain MCP代理 |
安装说明
创建并激活虚拟环境（使用 uv)
uv venv .venv
source .venv/bin/activate # (Mac/Linux)
# or
.venv\Scripts\activate # (Windows)
安装所需的依赖项
uv pip install \
"google-api-python-client>=2.186.0" \
"google-auth-httplib2>=0.2.1" \
"google-auth-oauthlib>=1.2.3" \
"langchain-community>=0.4.1" \
"langchain-core>=1.0.2" \
"langchain-groq>=1.0.0" \
"langchain-mcp-adapters>=0.1.12" \
"langchain-openai>=1.0.1" \
"langgraph>=1.0.2" \
"mcp-use>=1.4.0" \
"wikipedia>=1.4.0"
创建.env文件
GROQ_API_KEY=
OPENAI_API_KEY=
OPENWEATHER_API_KEY=
OPENWEATHER_BASE_URL=
ANTHROPIC_API_KEY=
GMAIL_CLIENT_ID=
GMAIL_CLIENT_SECRET=
