实时空域协同监控系统

基于代理多智能体系统的实时空域副本

一个多智能体系统，使用OpenSky Network API监控实时航班流量，并通过操作Copilot和个人飞行看门狗提供智能空域监控。

建筑

• n8n：数据获取和存储的工作流编排
• MCP服务器：将航班数据作为特工的工具公开
• CrewAI/LangGraph：配备运维分析师和旅行者支持代理的多代理系统
• Groq有限责任公司API：推理和自然语言生成
• 前端：旅行者和运营视图的简单UI

先决条件

• Python 3.8+
• Node.js和npm（适用于n8n）
• Groq API密钥（自由层）

安装说明

1.安装Python依赖项

pip install -r requirements.txt

2.设置n8n

n8n应该已经与您的工作流一起运行：

• 工作流程1：计划触发器→ HTTP请求→ Code → 写入文件→ Code
• 工作流程2：Webhook→ 读取文件→ Code → 响应Webhook

确保两个工作流都 活跃的 在n8n中。

测试您的webhook：

http://localhost:5678/webhook/latest-data

3.配置环境变量

这 .env 文件应该已经用以下方式创建：

GROQ_API_KEY=your_groq_api_key_here
WEBHOOK_BASE_URL=http://localhost:5678/webhook
FALLBACK_DATA_DIR=C:/Users/hp/Documents
MCP_SERVER_URL=http://localhost:8000

4.启动MCP服务器

在终端中：

python start_mcp_server.py

或者：

python -m mcp_server.server

服务器将于启动 http://localhost:8000

5.测试MCP服务器

健康检查：

curl http://localhost:8000/health

列出可用工具：

curl http://localhost:8000/mcp/tools

获取区域快照：

curl -X POST http://localhost:8000/mcp/tools/flights.list_region_snapshot \
  -H "Content-Type: application/json" \
  -d '{"region": "data"}'

通过Callsign获取航班：

curl -X POST http://localhost:8000/mcp/tools/flights.get_by_callsign \
  -H "Content-Type: application/json" \
  -d '{"callsign": "SWR7YT"}'

列出活动警报：

curl -X POST http://localhost:8000/mcp/tools/alerts.list_active \
  -H "Content-Type: application/json" \
  -d '{}'

项目结构

Agentic-assign-3/
├── config/
│   └── regions.json          # Predefined region bounding boxes
├── mcp_server/
│   ├── __init__.py
│   └── server.py             # FastAPI MCP server
├── utils/
│   ├── __init__.py
│   └── anomaly_detector.py   # Anomaly detection logic
├── agents/
│   ├── __init__.py
│   ├── mcp_tools.py          # MCP tools wrapper for agents
│   ├── ops_analyst.py        # Operations Analyst Agent
│   ├── traveler_support.py   # Traveler Support Agent
│   └── crew.py               # CrewAI orchestration
├── frontend/
│   └── app.py                # Streamlit frontend
├── main.py                    # FastAPI agent server
├── start_mcp_server.py       # MCP server launcher
├── start_frontend.py          # Frontend launcher
├── test_mcp_server.py        # MCP server test script
├── requirements.txt
└── README.md

MCP工具

MCP服务器公开了三个工具：

1. flights.list_region_snapshot（地区）

   • 返回某个区域的最新快照
   • 端点： POST /mcp/tools/flights.list_region_snapshot

2. flights.get_bycallsign（呼号，地区？）

   • 查找给定航班呼号的最新记录
   • 端点： POST /mcp/tools/flights.get_by_callsign

3. alerts.list_active（）

   • 返回当前标记的异常
   • 端点： POST /mcp/tools/alerts.list_active

异常检测

系统检测到：

• 高空低速：高度>8000米时速度<50米/秒
• 在高空静止：飞行时速度<5 m/s
• 快速下降：垂直速度<-20m/s
• 极端高度/速度：海拔高度>12000米，高速

6.启动代理API服务器

在新终端中：

python main.py

API服务器将于启动 http://localhost:8001

7.启动前端

在新终端中：

streamlit run frontend/app.py

或者：

python start_frontend.py

前端将在您的浏览器中打开 http://localhost:8501

运行完整系统

你需要 4个终端/窗口 同时运行：

1. n8n （已运行）

   • Webhook位于： http://localhost:5678/webhook/latest-data

2. MCP服务器:

   复制

   python start_mcp_server.py
   

   • 正在运行： http://localhost:8000

3. 代理API服务器:

   复制

   python main.py
   

   • 正在运行： http://localhost:8001

4. 前端:

   复制

   streamlit run frontend/app.py
   

   • 正在运行： http://localhost:8501

系统组件

1. ✅ n8n工作流（已完成）
2. ✅ MCP服务器（已完成）
3. ✅ 代理层（CrewAI）（已完成）
4. ✅ 前端用户界面（Streamlit）（已完成）
5. ✅ 集成（已完成）

API文档

• MCP服务器 （端口8000）：

  • Swagger用户界面： http://localhost:8000/docs
  • 重新记录： http://localhost:8000/redoc

• 代理API服务器 （端口8001）：

  • Swagger用户界面： http://localhost:8001/docs
  • 重新记录： http://localhost:8001/redoc

特性

旅行者模式

• 输入航班呼号（例如SWR7YT、THY4KZ）
• 与AI助手讨论您的航班
• 获取实时航班信息
• 问题的自然语言答案

操作模式

• 选择要分析的区域
• 获取操作摘要
• 查看异常警报
• 监控空域状态

代理到代理（A2A）通信

• 旅行者支持代理可以委托给运营分析师代理
• 基于问题类型的自动路由
• 代理之间无缝协作

故障排除

Webhook无法访问

• 确保n8n webhook工作流 活跃的
• 检查webhook URL是否匹配： http://localhost:5678/webhook/latest-data

MCP服务器找不到数据

• 服务器将首先尝试使用webhook，然后回退到文件
• 检查中的文件路径 FALLBACK_DATA_DIR 匹配您的n8n写入位置
• 确保文件路径使用正斜杠： C:/Users/hp/Documents/

端口冲突

• MCP服务器默认使用端口8000
• 变化 server.py 如果需要： uvicorn.run(app, host="0.0.0.0", port=8000)

许可证

该项目是作为代理人工智能任务3的一部分，用于教育目的。