AI导哈

多模型AI代理工具

一个基于Streamlit的AI代理应用，支持多种大语言模型提供商，并集成模型上下文协议（MCP）服务器以增强功能。

  • by NovaAI-innovation
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 novaai-innovation/ai-agent-mcp

使用说明

集成MCP的AI代理

基于Streamlit的AI代理应用程序，支持多个LLM提供者，并与模型上下文协议（MCP）服务器集成，通过工具、资源和提示增强功能。

特性

  • 🤖 多个LLM提供商：支持OpenAI、Anthropic和谷歌模型
  • 🔧 MCP集成：连接到MCP服务器以获取工具和资源
  • 💬 交互式聊天：实时对话，流式响应
  • ⚙️ 可配置设置：可定制的系统提示、温度和令牌限制
  • 🛠️ 工具执行：自动解析和执行工具调用
  • 📁 资源访问：访问MCP资源和提示
  • 🎨 现代用户界面：干净、响应迅速的Streamlit界面

快速开始

1.安装

# Clone the repository
git clone <repository-url>
cd ai-agent-mcp

# Install dependencies
pip install -r requirements.txt

2.环境设置

创建一个 .env 文件基于 env_example.txt:

# Copy the example file
cp env_example.txt .env

# Edit with your API keys
OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here
GOOGLE_API_KEY=your_google_api_key_here

3.运行应用程序

streamlit run app.py

应用程序将在您的浏览器中打开 http://localhost:8501.

配置

LLM提供商

该应用程序支持三个LLM提供者：

OpenAI

  • 模型：GPT-4、GPT-4涡轮增压器、GPT-3.5涡轮增压器
  • API密钥：设置 OPENAI_API_KEY 在您的环境中

Anthropic

  • 模型：第三篇作品，第三篇十四行诗，第三章俳句
  • API密钥：设置 ANTHROPIC_API_KEY 在您的环境中

谷歌

  • 模型：Gemini Pro，Gemini Pro Vision
  • API密钥：设置 GOOGLE_API_KEY 在您的环境中

MCP服务器

MCP（模型上下文协议）服务器提供工具、资源和提示来扩展代理的功能。该应用程序使用与Claude Desktop相同的配置格式。

添加MCP服务器

  1. 转到“MCP服务器”选项卡
  2. 点击“➕ 添加新MCP服务器”
  3. 提供：
    • 服务器名称：唯一标识符（例如，文件系统、勇敢搜索）
    • 命令：要运行的命令（例如npx、uvx、python）
    • 参数：每行一个（例如-y、@modelcontextprotocol/server文件系统）
    • 环境变量：KEY=VALUE格式（可选）
  4. 点击“添加服务器”

MCP服务器配置示例

文件系统服务器：

{
  "command": "npx",
  "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/directory"]
}

勇敢的搜索：

{
  "command": "npx",
  "args": ["-y", "@modelcontextprotocol/server-brave-search"],
  "env": {
    "BRAVE_API_KEY": "your-api-key"
  }
}

PostgreSQL：

{
  "command": "uvx", 
  "args": ["mcp-server-postgres", "postgresql://user:pass@localhost/db"]
}

Claude桌面配置兼容性

应用程序可以直接从/向加载和保存配置 claude_desktop_config.json，使其与Claude Desktop的MCP服务器设置完全兼容：

  • 从克劳德桌面加载：单击“📁 从claude_desktop_config“加载以导入现有服务器
  • 保存到克劳德桌面：单击“💾 保存到claude_desktop_config.json“导出配置
  • 相同格式：使用与Claude Desktop相同的JSON结构，实现无缝兼容

用法

基本聊天

  1. 在侧栏中配置LLM提供者
  2. 初始化代理
  3. 在聊天选项卡中开始聊天

使用工具

代理可以自动使用可用的MCP工具。只需询问需要使用工具的内容：

"Can you list the files in my documents folder?"
"What's the weather like in New York?"
"Search for information about Python asyncio"

代理人将：

  1. 确定合适的工具
  2. 执行工具调用
  3. 以用户友好的格式提供结果

高级配置

系统提示

使用系统提示自定义代理的行为：

You are a helpful coding assistant. Always provide code examples and explain your reasoning.

温度控制

  • 0.0：确定性、重点明确的回应
  • 0.7：平衡创造力和一致性（默认）
  • 1.0+：更具创造性和多样性的回应

令牌限制

使用最大令牌控制响应长度（100-8000）。

API集成

创建自定义LLM提供程序

扩展 BaseLLMProvider 类别：

from src.llm_providers import BaseLLMProvider, Message, LLMResponse

class CustomProvider(BaseLLMProvider):
    async def generate_response(self, messages, system_prompt=None, **kwargs):
        # Implement your custom logic
        pass
    
    async def stream_response(self, messages, system_prompt=None, **kwargs):
        # Implement streaming logic
        pass

自定义MCP服务器

创建实现模型上下文协议的MCP服务器：

# Example tool registration
tools = [
    {
        "name": "calculate",
        "description": "Perform mathematical calculations",
        "inputSchema": {
            "type": "object",
            "properties": {
                "expression": {"type": "string"}
            }
        }
    }
]

建筑

核心组件

  • src/agent.py：主要AI代理实现
  • src/llm_providers.py：LLM提供程序抽象
  • src/mcp_client.py：MCP服务器集成
  • src/config.py：配置管理
  • app.py：流线型UI应用程序

数据流

  1. 用户输入→ 流线型UI
  2. UI → AI 代理
  3. 代理→ LLM提供者（用于生成响应）
  4. 代理→ MCP服务器（用于工具执行）
  5. 结果→ UI → User

故障排除

常见问题

“初始化代理失败”

  • 检查API密钥设置是否正确
  • 验证网络连接
  • 确保LLM提供程序可访问

“找不到MCP服务器”

  • 验证服务器路径是否正确
  • 检查服务器是否可执行
  • 查看服务器参数

“工具调用失败”

  • 检查MCP服务器是否正在运行
  • 验证工具参数
  • 查看服务器日志

日志记录

启用调试日志记录：

import logging
logging.basicConfig(level=logging.DEBUG)

演出

为了获得更好的性能：

  • 对长输出使用流式响应
  • 限制对话历史记录长度
  • 优化MCP服务器响应时间

贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 进行更改
  4. 如果适用，添加测试
  5. 提交拉取请求

许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。

支持

如有疑问和支持：

  • 在GitHub上创建问题
  • 检查文档
  • 查看示例配置

相关 MCP