AI导哈

AI代理框架

基于模型上下文协议（MCP）的生产级AI代理开发框架，支持工具自动发现与调用，适用于智能任务处理场景。

  • by hassanaiengineer
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 hassanaiengineer/mcp-agent-base

使用说明

🤖 基本MCP代理模板

欢迎来到 基本MCP代理模板该存储库是构建利用 模型上下文协议（MCP）.

🏗️ 存储库体系结构

此模板分为两个主要部分：

1.MCP服务器(server/)

托管的独立Python服务 工具.

  • 使用 FastMCP 为了减少样板。
  • 包括一个简单的内存存储(memory.py).
  • 可扩展的工具结构 tools/.

2.MCP代理(agent/)

智能客户端：

  • 通过以下方式连接到服务器 标准.
  • 自动发现可用工具。
  • 使用LLM（默认为GPT-4o）来推理并决定何时调用工具。
  • 实施稳健 思想行动观察 循环。

🚦 入门指南

先决条件

  • Python 3.10+
  • OpenAI API密钥（在中配置 .env)

安装

# Clone the repository
git clone <repo-url>
cd mcp-agent-base

# Install dependencies
pip install -r requirements.txt

环境设置

创建一个 .env 根目录下的文件：

OPENAI_API_KEY=sk-proj-your-key-here

运行代理

代理程序会自动将MCP服务器作为子进程启动。

python3 -m agent.agent

🛠️ 定制

添加新工具

  1. 将您的功能添加到 server/tools/.
  2. 使用 @mcp.tool() 室内装饰师 server/main.py.
  3. 代理将在下次运行时检测到它！

详细指南： 示例/custom_tool.md

更改代理提示

修改 agent/prompts.py 改变代理的行为方式、“个性”或推理风格。

使用不同的LLM

当前实施使用 openai要使用Anthropic或本地模型（通过Ollama/vLLM），请更新 MCPAgent 阶级 agent/agent.py.

📚 关键概念

  • MCP发现：代理在启动时询问服务器“你能做什么？”。
  • 工具调用代理人不仅仅是“猜测”如何使用工具；它从服务器接收结构化模式（JSON模式）。
  • 代理循环:
    1. 接收用户输入。
    2. 提示LLM（系统+历史+工具）。
    3. 如果LLM建议 tool_call ->在服务器上执行工具->将结果附加到历史记录->重复。
    4. 如果LLM提供最终答案->向用户显示。

📄 许可证

MIT许可证。免费用于学习、面试和制作初学者。

🤝 让我们连接

如果你觉得这个模板很有帮助，或者想讨论人工智能系统，请随时联系：

相关 MCP