使用说明

代理演示

使用各种代理框架的AI代理实现的全面集合，重点是数据分析和Kepoola MCP Server集成。

🚀 概述

此存储库演示了如何使用不同的框架构建强大的AI代理：

CrewAI：用于复杂数据分析任务的多代理协作
LangChain：灵活的代理框架，具有广泛的工具集成
DSPY：使用优化提示对基础模型进行编程

所有演示都与 Kepoola MCP服务器实现无缝数据平台操作。

📁 存储库结构

agent-demos/
├── crew-ai/           # CrewAI-based agents
├── langchain/         # LangChain agent implementations  
├── dspy/              # DSPy framework examples
├── .env.template      # Environment variables template
└── README.md          # This file

🛠️ 框架比较

框架	优势	最适合
CrewAI	多代理协作，基于角色的代理	需要专门角色的复杂工作流
LangChain	广泛的工具生态系统，成熟的框架	具有许多集成的通用代理
DSPY	优化提示、系统化方法	研究和性能关键型应用

🔧 设置

克隆存储库：

git clone <repository-url>
cd agent-demos

设置环境变量：

cp .env.template .env
# Edit .env with your API keys and configuration

为每个框架安装依赖关系：

# CrewAI
cd crew-ai && pip install -r requirements.txt

# LangChain  
cd ../langchain && pip install -r requirements.txt

# DSPy
cd ../dspy && pip install -r requirements.txt

🎯 快速开始

CrewAI演示

cd crew-ai
python demo.py

LangChain演示

cd langchain
python demo.py

DSPy演示

cd dspy
python demo.py

🔌 Keboola MCP集成

所有框架都与Kepoola MCP服务器集成，用于：

数据访问：查询表和桶
变换：创建和管理数据转换
作业管理：监控和执行数据管道
元数据：访问组件和配置信息

所需的环境变量

KBC_STORAGE_API_URL=https://connection.keboola.com
KBC_STORAGE_TOKEN=your_keboola_token
OPENAI_API_KEY=your_openai_key

📊 用例

数据分析

客户细分和行为分析
收入预测和趋势分析
运营指标和KPI跟踪
流失预测和留存分析

商业智能

自动生成报告
跨平台数据关联
实时仪表板更新
性能监控

数据工程

管道编排
质量监控
转型优化
模式管理

🔍 攀岩健身房分析示例

该存储库包括分析攀岩馆数据的综合示例，包括：

课程出勤分析：按地点和部门跟踪出勤情况
瑜伽课受欢迎程度：确定最受欢迎的瑜伽课程
投资回报分析：考虑讲师工资率和课程收入计算投资回报率
青年项目指标：分析青年班出勤率和教练与孩子的比例
财务业绩：将劳动力数据与收入数据结合起来进行综合分析

有关具体实现，请参阅各个框架目录。

🤝 贡献

分叉存储库
创建要素分支(git checkout -b feature/amazing-feature)
提交您的更改(git commit -m 'Add amazing feature')
推到分支(git push origin feature/amazing-feature)
打开拉取请求

📝 许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

🙏 致谢

凯布拉对于MCP服务器
CrewAI 团队
LangChain 社区
DSPY 研究人员

📞 支持

如有疑问和支持：

在此存储库中打开问题
检查单个框架文档
查看Kepoola MCP服务器文档