使用说明

带有MCP+MCO+Streamlit的AI旅行计划器

使用的生产级AI旅行计划Web应用程序 模型上下文协议（MCP） 对于工具交互， 多组件编排（MCO） 用于协调代理和服务，以及溪流对于用户界面。

🌟 特性

核心能力

自然语言旅行计划用简单的英语描述你的旅行
人工智能驱动的行程：LLM生成个性化的每日计划
实时数据集成：实时天气、航班、酒店和景点
预算管理：详细的成本明细和优化
会话编辑：通过聊天界面修改行程
用户仪表板：个人分析和旅行历史
管理员监控：全系统分析和指标
PDF导出：下载专业行程PDF

技术特性

MCP架构：通过MCP工具访问的所有外部数据
MCO编排：协调员代理管理完整的工作流程
多LLM支持：Gemini，OpenAI（可扩展）
缓存：降低API成本和延迟
认证：使用基于角色的访问进行安全的用户管理
数据库：带SQLAlchemy ORM的SQLite
日志记录：全面的应用程序和API日志记录

🏗️ 建筑

系统流程

User → Streamlit UI
    → Trip Service
    → Coordinator Agent (MCO)
    → Planner Agent
    → MCP Client
    → MCP Server
    → MCP Tools (Weather, Flight, Hotel, Places, Currency, Budget)
    → External APIs
    → Tool Responses
    → LLM Provider
    → Structured JSON
    → Output Parser
    → Database
    → Analytics
    → UI Display

MCP（模型上下文协议）

所有外部数据访问都是通过MCP工具抽象的：

天气工具：OpenWeather API
飞行工具：Amadeus/Skyscanner（包括模拟数据）
酒店工具：Booking.com/RapidAPI（包括模拟数据）
放置工具：Google Places API（包含模拟数据）
货币工具：汇率API
预算工具：成本估算引擎

MCO（多组件编排）

协调员代理协调：

用户上下文检索
计划代理执行
MCP工具调用
大语言模型推理
输出验证
数据库存储
分析日志记录

📁 项目结构

travel_ai_planner/
├── app.py                          # Main Streamlit application
├── mcp/                            # MCP Layer
│   ├── server.py                   # MCP server (tool routing)
│   ├── client.py                   # MCP client (agent interface)
│   ├── context_manager.py          # Session and context management
│   ├── tool_registry.py            # Central tool registry
│   ├── tools/                      # MCP Tools
│   │   ├── weather_mcp.py
│   │   ├── flight_mcp.py
│   │   ├── hotel_mcp.py
│   │   ├── places_mcp.py
│   │   ├── currency_mcp.py
│   │   └── budget_mcp.py
│   └── schemas/                    # Pydantic schemas
│       ├── weather_schema.py
│       ├── flight_schema.py
│       ├── hotel_schema.py
│       └── trip_schema.py
├── agents/                         # Agent Layer
│   ├── coordinator_agent.py        # MCO coordinator
│   ├── planner_agent.py            # Trip planning agent
│   └── conversation_agent.py       # Chat agent
├── llm/                            # LLM Layer
│   ├── llm_provider.py             # Multi-LLM support
│   ├── prompts.py                  # System prompts
│   └── output_parser.py            # JSON parsing & validation
├── services/                       # Business Logic
│   ├── trip_service.py
│   ├── user_service.py
│   ├── analytics_service.py
│   └── pdf_service.py
├── database/                       # Data Layer
│   ├── db.py
│   ├── models.py
│   └── crud.py
├── pages/                          # Streamlit Pages
│   ├── 1_Login.py
│   ├── 2_Signup.py
│   ├── 3_Plan_Trip.py
│   ├── 4_Chat_Assistant.py
│   ├── 5_My_Trips.py
│   ├── 6_User_Dashboard.py
│   ├── 7_Admin_Dashboard.py
│   └── 8_Profile.py
├── config/                         # Configuration
│   ├── settings.py
│   ├── constants.py
│   └── logging_config.py
├── utils/                          # Utilities
│   ├── auth.py
│   ├── validators.py
│   ├── cache.py
│   └── helpers.py
├── logs/                           # Application logs
├── exports/generated_pdfs/         # Generated PDFs
└── requirements.txt

🚀 安装说明

1.克隆和导航

cd travel_ai_planner

2.创建虚拟环境

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

3.安装依赖项

pip install -r requirements.txt

4.配置环境变量

复制 .env.example 到 .env 并填写您的API密钥：

# LLM Configuration
LLM_PROVIDER=gemini
GEMINI_API_KEY=your_gemini_api_key_here

# External APIs (optional - mock data available)
OPENWEATHER_API_KEY=your_key
AMADEUS_API_KEY=your_key
RAPIDAPI_KEY=your_key
GOOGLE_PLACES_API_KEY=your_key

# Application
SECRET_KEY=your_secret_key

5.初始化数据库

python -c "from database.db import init_db; init_db()"

6.运行应用程序

streamlit run app.py

申请将于 http://localhost:8501

🔑 API密钥

必需

Gemini API密钥：从谷歌AI工作室

可选（模拟数据可用）

开放天气: openweathermap.org
阿玛迪斯: developers.amadeus.com
拉皮达皮: 网站 rapidapi.com
但谷歌本地服务: 谷歌云控制台

📖 使用指南

计划旅行

登录/注册：创建帐户或登录
计划旅行：导航到“计划旅行”页面

描述你的旅行：使用自然语言：

"Plan a 7-day trip to Tokyo from 2026-03-15 to 2026-03-22 
with a moderate budget. I love culture and food."

审查计划：查看生成的行程、费用和建议
保存：行程会自动保存到您的帐户

编辑旅行

聊天助手：导航到“聊天助手”
请求更改:
- “让它更便宜”
- “添加更多冒险活动”
- “延长2天”
查看更新：立即查看更新的计划

查看分析

用户仪表盘：个人旅行统计
管理员仪表板：全系统指标（仅限管理员）

🛠️ 发展

添加新的MCP工具

在中创建工具 mcp/tools/your_tool_mcp.py:

class YourToolMCP:
    def execute(self, **params):
        # Tool logic
        return result

注册于 mcp/tool_registry.py:

TOOL_YOUR_TOOL: {
    "name": "your_tool",
    "instance": YourToolMCP(),
    "parameters": ["param1", "param2"]
}

在计划代理中使用

自定义LLM提示

编辑 llm/prompts.py 自定义：

行程规划说明
输出格式
对话风格

🔒 安全

使用PBKDF2散列的密码
敏感数据的环境变量
所有表单的输入验证
基于角色的访问控制
SQL注入防御（SQLAlchemy ORM）

📊 数据库模式

用户

id、电子邮件、密码哈希、全名、角色、首选项、created_at

旅行

id、user_id、目的地、start_date、end_date、duration_days、budget_category、total_cost、trip_data（JSON）、状态、created_at、updated_at

查询日志

id、user_id、query_text、response_time、success、created_at

ApiLogs

id、工具名、参数、响应时间、成功、错误消息、创建at

🎯 未来的增强功能

[]多目的地旅行
[]协同旅行计划
[]实时航班价格跟踪
[]移动应用程序
[]社交分享
[]旅游保险一体化
[]签证要求检查器
[]带天气集成的装箱单生成器

📝 许可证

MIT许可证-可自由用于个人或商业项目

🤝 贡献

欢迎投稿！拜托：

分叉存储库
创建要素分支
进行更改
提交拉取请求

📧 支持

对于问题或疑问，请在GitHub上打开问题。

内置于❤️ 使用MCP、MCO、Streamlit和AI