AI导哈

MCP协议问答机器人

基于RAG架构的命令行问答机器人，专精Model Context Protocol知识解答，支持本地知识库扩展与Gemini Pro模型调用。

  • by mdmukhtarmohsin
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 mdmukhtarmohsin/q-a-chatbot-about-mcp-servers

使用说明

MCP专家聊天机器人

这个项目是一个复杂的、基于命令行的聊天机器人，旨在回答有关模型上下文协议（MCP）的问题。它利用检索增强生成（RAG）架构，使用谷歌的Gemini Pro模型结合本地知识库，提供准确和上下文相关的答案。

特性

  • 专业知识：接受过模型上下文协议（MCP）的专业培训。
  • RAG架构：使用本地ChromaDB矢量存储检索相关文档，然后将其馈送到语言模型以生成明智的响应。
  • 命令行界面：一个简单直观的CLI，用于与聊天机器人直接交互。
  • 自动设置：附带一个 start.sh 处理虚拟环境创建、依赖关系安装和配置检查的脚本。
  • 可配置的：通过以下方式轻松配置 .env API密钥和其他设置的文件。
  • 可扩展知识库：知识库可以重建或扩展，以包括有关MCP的新信息。

系统架构

聊天机器人基于一个简单而强大的架构运行：

  1. 用户输入：用户通过CLI输入查询。
  2. 嵌入和相似性搜索：用户的查询被转换为嵌入。这种嵌入用于在ChromaDB矢量存储中搜索知识库中最相似和最相关的文档。
  3. 快速施工：检索到的文档与原始用户查询和系统提示相结合，为语言模型创建一个全面的上下文。
  4. LLM响应生成：构造的提示被发送到Gemini API。
  5. 显示响应：模型生成的响应将在CLI中显示给用户。

先决条件

  • Python 3.8或更高版本
  • git 用于克隆存储库

入门指南

按照以下步骤让MCP专家聊天机器人在您的本地计算机上运行。

1.克隆存储库

git clone <repository_url>
cd Q-A-Chatbot-About-MCP-Servers

2.配置您的API密钥

聊天机器人需要Google Gemini API密钥才能运行。

  1. 创建一个 .env 文件: 该项目包括一个启动脚本，该脚本将自动创建 .env 如果不存在，请为您归档。或者，您可以手动创建它：

    cp .env.example .env

  2. 添加API密钥: 打开 .env 归档并替换 your_api_key_here 使用您的实际Gemini API密钥。

    GEMINI_API_KEY=your_actual_gemini_api_key

    您可以从获取API密钥 谷歌人工智能工作室.

3.运行聊天机器人

启动聊天机器人最简单的方法是使用提供的shell脚本。它将自动设置虚拟环境，安装所有依赖项，并启动应用程序。

bash start.sh

脚本完成后，您将直接在终端中看到聊天机器人提示。

用法

启动聊天机器人后，您可以通过键入问题并按Enter键与它进行交互。

🤖 MCP Expert Chatbot (CLI Mode)
Type 'exit' or 'quit' to end the chat.
----------------------------------------
You: What is MCP?

要结束会话，只需键入 exit 或 quit.

该项目是在人工智能配对程序员的协助下开发的。

相关 MCP