AI导哈

K-Beauty问答代理

一个基于MCP协议和Google Vertex AI的韩国美妆领域智能问答代理，能够处理自然语言查询并提供产品推荐、护肤建议等。

  • by Madhu-712
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Madhu-712/Kbeauty-ADK-Agent-using-MCP-and-deploying-on-Vertex-Engine

使用说明

基于MCP的Kbeauty ADK Agent在Vertex引擎上的部署

该项目为K-Beauty领域开发了一个ADK（代理开发工具包）代理，利用模型上下文协议（MCP）在谷歌云的顶点AI上进行自定义处理和部署。

引言

K-Beauty ADK Agent旨在为与韩国美容产品、程序和趋势相关的用户查询提供智能响应。通过模型上下文协议（MCP）集成自定义处理功能，代理可以轻松处理查询执行。该解决方案是为Google Cloud的Vertex AI平台的可扩展性和可靠性而构建的。

项目概况及结构

init.py初始化ADK代理 agent.y核逻辑 kbeautymcpserver.py自定义mcp集成

此存储库包含构建、运行和部署K-Beauty ADK代理所需的组件。关键方面包括：

  • MCP工具集集成： 自定义MCP集成，以处理和理解K-Beauty相关的查询。（kbeautymcpserver.py）
  • ADK代理逻辑： 解释用户输入和制定相关响应的核心逻辑。（代理.py）
  • 顶点AI部署： 将代理部署为可扩展服务的基础架构。

功能概述

这 kbeautymcpserver.py 该文件概述了K-Beauty ADK Agent的核心功能。该代理旨在：

  1. 接收用户查询： 接受与K-Beauty相关的自然语言查询。
  2. MCP流程： 使用自定义MCP分析查询。这可能涉及：
    • 关键字提取： 识别产品名称、成分、皮肤问题或常规步骤。
    • 情绪分析： 理解用户的意图或语气。
    • 情境理解： 将查询与之前的交互相关联。它甚至可以读取base64编码的图像，以获得视觉理解，并建议定制韩国美容产品。
    • （未来：如果提供视觉查询，例如从照片中识别产品，则进行图像分析）。
  3. 生成响应： 根据处理后的查询制定信息丰富、有用的答案。响应可能包括：
    • 产品推荐。
    • 护肤常规建议。
    • 成分说明。
    • 趋势洞察。
  4. 管理状态： 保持会话上下文，以获得更流畅的用户体验。

设置和安装

启动和运行项目的详细步骤。

本地环境设置

  1. 克隆存储库：

    git clone https://github.com/your-username/your-project.git
cd your-project

  2. 安装依赖项 pip安装-r要求.txt

  3. 在本地运行 python kbeautymcpserver.py

谷歌云项目设置

认证

确保您的本地环境可以通过Google Cloud进行身份验证。

  • 使用 gcloud （建议当地发展）：
    gcloud auth application-default login
    这将打开一个浏览器供您登录。

  1. 选择或创建项目：

    gcloud projects create YOUR_PROJECT_ID --name="Your Project Name"
gcloud config set project YOUR_PROJECT_ID

    （替换 YOUR_PROJECT_ID 使用您想要的项目ID。）

  2. 启用API：

    gcloud services enable cloudresourcemanager.googleapis.com \

服务网络.googleapis.com
aiplatform.googleapis.com
discoveryengine.googleapis.com

                       # Add other necessary APIs
```

  1. 安装ADK套件： mkdir k-beauty-mcp cd k-beauty-mcp python-m venv.venv source.ven/bin/activate pip安装谷歌adk adk创建k-beauty-mcp

  2. 创建.env文件： GOOGLE_GENAI_USE_VERTEXAI=1 GOOGLE_CLOUD_PROJECT=YOUR_GOOGLE_PROJECT_ID 谷歌云位置=你的谷歌项目区域

  3. 与代理人互动 服务器运行后，您可以通过向其端点发送HTTP POST请求来与代理交互。你可以使用curl或简单的Python脚本等工具。 查询示例： 以下是一些示例查询以及如何发送它们： 关于产品类别的查询： “问题”：“油性皮肤最好的K-Beauty洁面乳是什么？”

    关于特定成分的查询： “询问”：“请介绍一下积雪草在护肤方面的应用。

    查询常规步骤： “询问”：“K-Beauty的10步程序是什么？”

    关于具有外部背景的品牌的查询： “查询”：“您有COSRX的最新产品及其评论的信息吗？

    代理将使用其MCP驱动的逻辑处理这些查询，从而可能增强其对外部数据的理解，并返回相关响应。

  4. 部署设置 创建云存储桶： 此存储桶将用于存储数据、模型工件和管道输出。

    gcloud storage buckets create gs://YOUR_BUCKET_NAME \

--项目=YOUR_project_ID
--位置=YOUR_PROJECT_REGION ``` （替换 YOUR_BUCKET_NAME 具有唯一的bucket名称。)

  1. 部署代理 adk部署代理引擎
    --项目=YOUR_project_ID
    --地区=YOUR_PROJECT_region
    --display_name“文档事实检查器”
    --staging_bucket gs://你的名字
    --requirements_file requirements.txt
    文档检查器/

  2. 贡献 欢迎投稿！请按照以下步骤操作：

分叉存储库。 创建一个新分支（git checkout-b feature/你的featurename）。 进行更改并提交（git commit-m“添加新功能”）。 推送到分支（git推送原始功能/您的功能名称）。 打开拉取请求。

9.许可证 此项目根据[您选择的许可证，例如MIT许可证]获得许可-有关详细信息，请参阅许可证文件。

相关 MCP