AI导哈

Web搜索服务

一个基于Tavily API的Web搜索服务，提供MCP服务器集成和LangGraph客户端支持。

  • by ismgonza
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 ismgonza/AIE8-MCP-Session

使用说明

AI创客空间：MCP第13场会议代表

该项目是MCP（模型上下文协议）服务器的演示，该服务器利用Tavily API进行网络搜索功能。服务器设计为在标准输入/输出（stdio）传输模式下运行。

项目概述

MCP服务器设置为使用Tavily API处理网络搜索查询。它由以下关键部件组成：

  • TavilyClient：用于与Tavily API交互以执行网络搜索的客户端。

先决条件

  • Python 3.13或更高版本
  • 有效的Tavily API密钥

⚠️WINDOWS注意事项：⚠️

您需要在 视窗 操作系统的侧面。

这将需要为Powershell获取两个CLI工具，具体操作如下：

  • winget install astral-sh.uv
  • winget install --id Git.Git -e --source winget

拥有这些CLI工具后，请打开Cursor 进入Windows.

然后，您可以在Cursor终端中使用以下命令克隆存储库：

git clone https://AI-Maker-Space/AIE8-MCP-Session.git

之后，您可以从步骤2开始。在......下面

安装

  1. 克隆存储库:

    git clone <repository-url>
cd <repository-directory>

  2. 配置环境变量: 复制 .env.sample 到 .env 并添加您的Tavily API密钥：

    TAVILY_API_KEY=your_api_key_here

  3. 🏗️ 向MCP服务器添加新工具 🏗️

在中创建新工具 server.py 文件，就是这样！

运行MCP服务器

要启动MCP服务器，您需要在Cursor中的MCP配置文件中添加以下内容：

注意：要访问MCP配置。您可以使用命令托盘（CMD/CTRL+SHIFT+P）并选择“查看：打开MCP设置”，然后用下面的JSON blob替换内容。

{
    "mcpServers":  {
        "mcp-server": {
            "command" : "uv",
            "args" : ["--directory", "/PATH/TO/REPOSITORY", "run", "server.py"]
        }
    }
}

服务器将启动并通过标准输入/输出监听命令。

用法

服务器提供 web_search 可用于在网络上搜索给定查询信息的工具。这是通过调用 web_search 使用所需的查询字符串执行函数。

活动：

这项任务有一些活动！

🏗️ 活动#1：

选择您喜欢使用的API，并为其构建MCP服务器！

答案：

Webzio集成

webzio.py

此文件包含 韦齐奥 类，用作webz.io新闻API的客户端。它

  • 接受搜索 query, sentiment 过滤器（正/负/中性），以及 language
  • 使用存储在环境变量中的API令牌从webz.io API获取新闻文章
  • 有一个 get_news() 从API返回原始JSON数据的方法
  • 具有格式化 __str__() 以可读格式呈现结果的方法，显示：
    • 使用的查询参数
    • 剩余结果和API请求总数
    • 带有标题和URL的前5篇文章
  • 可以作为命令行工具独立运行

与集成 server.py

这 server.py 文件是 MCP（模型上下文协议）服务器 它将Webzio功能作为AI助手可以使用的工具：

  1. 它进口 Webzio 类从 webzio.py
  2. 它将其封装在MCP工具装饰器中(@mcp.tool())作为 get_news() 函数
  3. 这通过MCP协议暴露了新闻搜索功能，使其可供AI客户端使用（如Cursor中的Claude）
  4. 调用时，它实例化一个Webzio对象并返回格式化的字符串输出

🏗️ 活动#2：

构建一个与MCP服务器交互的简单LangGraph应用程序。

您可以找到详细信息 这里!

答案：

LangGraph MCP客户端

langgraph_mcp_client.py

此文件演示了 LangGraph代理 它连接并使用MCP服务器工具。它展示了完整的客户端实现：

  • MCP连接：使用stdio传输建立与MCP服务器的连接

    • 用途 StdioServerParameters 配置Python服务器进程
    • 创建一个 ClientSession 与服务器通信

  • 工具加载：从MCP服务器动态加载所有可用工具

    • 用途 load_mcp_tools() 从 langchain_mcp_adapters 将MCP工具转换为与LangChain兼容的工具
    • 使工具像 web_search, roll_dice，以及 get_news 可供代理人使用

  • 反应代理：使用创建智能代理 create_agent() 配备GPT-4o-mini

    • 代理可以根据用户查询推断使用哪些工具
    • 遵循ReAct（推理+行动）模式来解决任务

  • 查询示例：使用三个示例查询演示代理的功能：

    1. 以积极的情绪获取人工智能新闻（使用 get_news)
    2. 掷骰子（使用 roll_dice)
    3. 网络搜索信息（使用 web_search)

  • 响应显示：显示详细的执行信息，包括：

    • 调用了哪些工具
    • 传递给每个工具的参数
    • 代理商的最终回复

相关 MCP