数据库查询聊天机器人

🤖 带MCP的LangGraph聊天机器人

该项目使用LangGraph实现了一个聊天机器人，该聊天机器人与模型上下文协议（MCP）服务器交互以查询PostgreSQL数据库。它利用LLM（GPT-4o-mini）生成响应，并利用MCP工具访问和检索信息，为数据库功能提供对话界面。

🚀 主要特点

• 通过聊天查询数据库： 允许用户通过聊天机器人界面使用自然语言查询PostgreSQL数据库。
• MCP服务器交互： 与MCP服务器通信(pr_mcp_server.py)访问数据库查询工具。
• LangGraph编排： 使用LangGraph管理对话流和工具执行。
• LLM供电响应： 使用LLM（GPT-4o-mini）生成智能和上下文感知的响应。
• 工具执行： 基于LLM生成的工具调用动态执行MCP工具。
• 异步操作： 利用异步操作与MCP服务器进行无阻塞通信。
• 模式探索： 提供用于探索数据库模式的工具，包括列出表和检索表模式。

🛠️ 技术栈

• 前端： N/A（后端服务）
• 后端： python
• 数据库： PostgreSQL
• AI/LLM：
  • langchain_openai （OpenAI LLMs）
• 框架/库：
  • langgraph
  • langchain
  • mcp （消息控制协议）
  • psycopg2
  • httpx
• 其他：
  • json
  • os
  • typing
  • asyncio
  • dotenv
• 构建工具： 不适用

📦 入门指南

先决条件

• Python 3.7+
• PostgreSQL数据库
• OpenAI API密钥
• MCP已安装(pip install mcp)
• 中列出的其他依赖项 requirements.txt

安装

1. 克隆存储库：

   复制

   git clone <repository_url>
   cd <repository_directory>
   

2. 创建虚拟环境（推荐）：

   复制

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

3. 安装依赖项：

   复制

   pip install -r requirements.txt
   

4. 配置环境变量：

   • 创建一个 .env 根目录中的文件。
   • 添加以下变量，用实际值替换占位符：
   复制

   OPENAI_API_KEY=<your_openai_api_key>
   DATABASE_URL="postgresql://<user>:<password>@<host>:<port>/<database>"
   

本地运行

1. 运行聊天机器人：

   复制

   python langgraph/chatbot.py
   

💻 用法

聊天机器人运行后，您可以通过控制台与它进行交互。聊天机器人将使用LLM和MCP工具回答您关于数据库的问题。

示例问题：

• “ID为123的拉取请求的摘要是什么？”
• “列出洞察架构中的所有表。”
• “pull_request表的架构是什么？”

📂 项目结构

├── langgraph/
│   └── chatbot.py          # LangGraph chatbot implementation
├── pr_mcp_server.py      # MCP server for database access
├── requirements.txt      # Project dependencies
├── README.md               # This file
└── .env                    # Environment variables (API keys, database credentials)

🤝 贡献

欢迎投稿！请按照以下步骤操作：

1. 分叉存储库。
2. 为您的功能或错误修复创建一个新分支。
3. 进行更改，并用描述性消息提交。
4. 提交拉取请求。

📬 联系

如果您有任何问题或建议，请随时通过以下方式与我联系： lakshti@hivel.ai.

💖 谢谢

感谢您查看此项目！我希望这有帮助。

此README由以下人员编写 readme.ai，你去AI README生成器。