旅行天气代理

🌤️ 天气和旅行社

该项目实现了 多功能会话代理 用于旅行计划和天气信息检索。它利用了 MCP（多服务器通信协议） 使用LangGraph ReAct代理将各种后端服务（天气和旅行）与LLM（大型语言模型）集成的架构。

用户界面由以下人员处理 Chainlit，它提供了代理推理链的实时可视化（工具调用）。

🚀 建筑

该系统由三个主要组件组成，所有组件都作为单独的进程运行，并通过MCP协议进行通信：

1. server.py （天气服务器）： 一个MCP服务器，它将代理与 WeatherAPI.com API获取当前天气、预报、历史和天文数据。
2. travel_server.py （旅行计划服务器）： MCP服务器，提供逻辑和模拟数据（活动、餐厅），以根据位置、天气和偏好建议活动、餐厅并创建行程。
3. app.py （主代理-Chainlit）： 主Chainlit应用程序管理用户界面，将两个MCP服务器初始化为工具，并使用 LangGraph（ReAct代理） 根据用户的请求编排工具调用。

🛠️ 先决条件

• Python 3.9+
• 的API密钥 WeatherAPI.com.
• 支持的LLM提供商（例如OpenAI、Anthropic、Groq）的API密钥。

⚙️ 安装

1. 克隆存储库：

   复制

   git clone https://github.com/gianlut19/my-first-mcp-agent
   cd my-first-mcp-agent
   

2. 创建并激活虚拟环境：

   复制

   python -m venv venv
   source venv/bin/activate  # Linux/macOS
   .\venv\Scripts\activate   # Windows
   

3. 安装依赖项：

   复制

   pip install chainlit langchain_mcp_adapters httpx python-dotenv langgraph "langchain_openai>=0.1.0" "langchain_anthropic>=0.1.0" "langchain_groq>=0.1.0"
   

4. 配置环境变量： 创建一个 .env 文件，并添加您的API密钥：

   复制

   # Key for the weather server
   WEATHERAPI_KEY="YOUR_WEATHERAPI_KEY"
   
   # Keys for supported LLM providers in app.py
   OPENAI_API_KEY="YOUR_OPENAI_API_KEY"
   ANTHROPIC_API_KEY="YOUR_ANTHROPIC_API_KEY"
   GROQ_API_KEY="YOUR_GROQ_API_KEY"
   

▶️ 入门指南

从项目根目录运行Chainlit应用程序：

chainlit run app.py -w

打开浏览器到终端中显示的地址（通常 http://localhost:8000).

🔧 可用工具

LLM代理可以访问以下工具（MCP端点）来响应用户请求：

⛈️ 天气工具(server.py)

✈️ 旅行计划工具(travel_server.py)

💡 查询示例

代理可以通过组合以下工具来执行复杂的推理链：

• 天气+活动： “米兰目前的天气怎么样，建议进行室内活动？” （流量： get_current_weather → suggest_activities)
• 天气+餐厅： “未来三天罗马的天气会怎么样？另外，建议去一家中等价位的餐厅吃饭。” （流量： get_forecast → suggest_restaurants)
• 全面规划： “为明天在威尼斯制定一个完整的行程。我想要文化活动和一个便宜的午餐地点。” （流量： get_forecast → suggest_activities → suggest_restaurants → create_itinerary)

💻 代码注释

• 标准沟通（关键）： 这 server.py 和 travel_server.py 文件包括关键代码 完全禁用标准输出(sys.stdout) 在任何进口之前（如 dotenv)然后仅对受控MCP通信进行恢复。这可确保仅交换来自MCP协议的正确格式的消息，从而防止 stdio 管道。
• 代理编排： 代理人在 app.py 使用 LangGraph（重演） 以响应于用户的输入动态地确定要调用的工具的顺序。
• 交互式用户界面： 推理链（工具调用和响应）的可视化是使用Chainlit的 cl.Step，为法学硕士的决策过程提供充分的透明度。