AI导哈

智能旅行规划系统

一个基于多智能体协作的旅行规划系统，通过AI代理协调生成详细的旅行计划，包括天气、地理编码、路线、住宿和预算检查等功能。

  • by JustVarunsai
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 JustVarunsai/ai-travel-planner-mcp

使用说明

基于MCP的智能出行规划系统

一个旅行计划器，五个人工智能代理协同工作，制定每日旅行计划。 代理与我用Python编写的自定义模型上下文协议（MCP）服务器进行通信。 该服务器公开天气、地理编码、路线、地点、国家数据、货币、， 以及作为MCP工具的维基航行目的地指南，以及一些资源和 提示模板。

这是我最后一年的B.Tech CSE专业项目。

它做什么

您可以输入目的地、日期、预算和偏好。那五个特工 通过MCP服务器协调研究地点、寻找住宿、， 订购每日路线，进行预算检查，并编制完整的行程 在向你展示之前进行自我评分。计划，加上完整的推理过程 每个代理调用的每个工具都保存到Supabase，以便您可以返回。

堆栈

  • python mcp 服务器SDK+FastMCP
  • FastAPI+用于多代理后端的Agno框架
  • Next.js 15+尾风前端
  • Pinecone作为向量存储（使用Pinecone自己的免费托管嵌入模型， 因此，没有OpenAI积分用于嵌入）
  • 将Postgres用于旅行和代理活动日志
  • OpenAI gpt-4o-mini是唯一的LLM

MCP服务器使用的免费API

Open Meteo、OpenStreetMap提名、OSRM、天桥、REST国家、， 法兰克福，维基解密。这些都不需要API密钥。

回购布局

mcp_server/        custom MCP server
backend/           FastAPI app + Agno agents
frontend/          Next.js app
tests/             pytest for the deterministic tools (TSP + scorer)
deploy/            Railway and Vercel config

本地设置

pip install -r mcp_server/requirements.txt
pip install -r backend/requirements.txt

cp .env.example .env
# fill in OPENAI_API_KEY, PINECONE_API_KEY, SUPABASE_DATABASE_URL

python -m backend.rag.seed_data --reset   # one time, loads 90 docs into Pinecone

然后在两个终端中：

uvicorn backend.main:app --reload --port 8001   # API on :8001
cd frontend && npm install && npm run dev       # UI on :3000

后端自动生成MCP服务器作为子进程。如果您进行了设置，则只需要一个单独的MCP终端 MCP_SERVER_URL 指向远程SSE实例。

打开http://localhost:3000.

测试

pytest tests/test_mcp_tools.py

许可证

个人学术项目。

相关 MCP