使用说明
🤖 具有模型上下文协议（MCP）的多服务器AI代理
📌 项目概述
该项目展示了 生产就绪的多服务器代理AI 系统 使用模型上下文协议（MCP）构建。
代理人充当 “通用接口” --就像用于AI的USB-C-- 同时连接到不同MCP服务器上的多个MCP服务器 传输协议，包括 持久对话记忆 和 自主工具选择 由GPT-5 Nano提供动力。
域名： Agent AI——多服务器MCP Agent
语言： Python 3.10+
LLM OpenAI GPT-5纳米
代理人： LangGraph与持久内存重新交互
🏗️ 建筑
┌──────────────────────────────────────────────────────┐
│ User (CLI Interface) │
│ "What paintings did Monet create?" │
│ "Show me LangChain documentation" │
└───────────────────────┬──────────────────────────────┘
│
┌───────────────────────▼──────────────────────────────┐
│ LangGraph ReAct Agent │
│ GPT-5 Nano — Reasoning + Acting │
│ InMemorySaver — thread_id conversation memory │
│ Autonomously selects which MCP server to call │
└──────────┬────────────────────────┬──────────────────┘
│ │
HTTP Transport STDIO Transport
│ │
┌──────────▼──────────┐ ┌─────────▼──────────────────┐
│ Context7 Server │ │ MetMuseum-MCP Server │
│ (Remote/Cloud) │ │ (Local via npx) │
│ │ │ │
│ LLM-optimized │ │ 400,000+ artworks │
│ documentation │ │ Metadata + images │
│ search across │ │ Metropolitan Museum │
│ major frameworks │ │ of Art collection │
└─────────────────────┘ └─────────────────────────────┘
📂 项目结构
mcp-ai-agent/
│
├── main.py # Complete multi-server MCP agent
└── README.md
🛠️ 技术栈
| 组件 | 技术 |
|---|---|
| 语言 | Python 3.10+ |
| MCP客户端 | 多服务器MCPClient（langchain MCP适配器） |
| 代理框架 | LangGraph ReAct |
| LLM | OpenAI GPT-5纳米 |
| 内存 | InMemorySaver（持久对话） |
| async | 异步 |
| MCP服务器1 | Context7（HTTP——远程云） |
| MCP服务器2 | MetMuseum MCP（STDIO--本地npx） |
🔌 集成MCP服务器
| 服务器 | 传输 | 功能 |
|---|---|---|
| 背景7 | HTTP(streamable_http) |
LLM优化的文档搜索跨主要软件框架和库 |
大都市博物馆-MCP 工作室（npx metmuseum-mcp) |
访问400000多件大都会博物馆艺术品、元数据和图像 |
🌟 主要特点
🧠 LangGraph重构代理
agent = create_react_agent(
model=openai_model, # GPT-5 Nano reasoning engine
tools=tools, # All tools from both MCP servers
checkpointer=checkpointer # Persistent conversation memory
)
💾 持久对话记忆
checkpointer = InMemorySaver()
config = {"configurable": {"thread_id": "conversation_id"}}
# Agent remembers full conversation history across all turns
🔗 多服务器连接
client = MultiServerMCPClient({
"context7": {
"url": "https://mcp.context7.com/mcp",
"transport": "streamable_http", # Remote HTTP
},
"met-museum": {
"command": "npx",
"args": ["-y", "metmuseum-mcp"],
"transport": "stdio", # Local STDIO
}
})
tools = await client.get_tools() # All tools from both servers
🤖 自主工具选择
代理智能地决定调用哪个服务器：
User: "What is the LangChain documentation for agents?"
→ Agent calls Context7 tools → Returns LLM-optimized docs
User: "Show me Van Gogh paintings in the Met Museum"
→ Agent calls MetMuseum tools → Returns artwork metadata & images
⚙️ 如何跑步
步骤1——安装依赖项：
pip install langchain-mcp-adapters langgraph langchain-openai
npm install -g npx # For MetMuseum STDIO server
步骤2-设置OpenAI API密钥：
export OPENAI_API_KEY="your-api-key-here"
步骤3--运行代理：
python main.py
第4步——互动：
Agent introduces itself and available tools...
Menu:
1. Ask the agent a question
2. Quit
Enter your choice (1 or 2): 1
Your question
> What LangGraph tools are available for building agents?
→ Agent queries Context7 → Returns documentation
> Show me Impressionist paintings from the Met Museum
→ Agent queries MetMuseum → Returns artwork data
🔄 代理工作流
User Query
│
▼
GPT-5 Nano Reasoning
"Which server has this information?"
│
├─── Library/Code docs? → Context7 (HTTP)
│
└─── Art/Museum data? → MetMuseum (STDIO)
│
▼
Tool Execution → Result returned to LLM
│
▼
LLM generates natural language response
│
▼
Stored in InMemorySaver (thread_id)
│
▼
User receives response + context preserved
🎓 技能展示
- 多服务器MCP客户端架构
- 同步STDIO+HTTP传输管理
- 带有工具调用的LangGraph ReAct代理
- 通过OpenAI API实现GPT-5 Nano集成
- 使用InMemorySaver实现持久对话记忆
- 基于线程的会话管理
- 异步Python——异步+等待模式
- 真正的外部MCP服务器集成（Context7+MetMuseum）
- 基于LLM推理的自主刀具选择
- 用于多域查询的自然语言接口
- 通过npx集成Node.js MCP服务器
📜 认证
| 认证 | 发卡机构 | 平台 |
|---|---|---|
| IBM数据科学专业证书 | IBM | Coursera |
| IBM生成人工智能专业证书 | IBM | Coursera |
| IBM RAG和代理人工智能专业证书 | IBM | Coursera |
