使用说明
MCP启发的人工智能代理与工具调用
实际执行 模型上下文协议（MCP） 概念使用 格罗克, LangChain，以及 LangGraph该项目演示了如何构建多服务器、多工具的AI代理，这些代理可以智能地选择和执行工具来解决问题。
🎯 项目概述
该项目包括：
- ✅ 模型上下文协议架构 -LLM与工具之间的沟通
- ✅ 工具服务器 -多个工具服务器（数学、天气）暴露了功能
- ✅ 工具发现 -代理发现可用的工具及其模式
- ✅ 智能刀具选择 -Agent为任务选择正确的工具
- ✅ 函数调用 -使用适当的参数执行工具
- ✅ 多工具工作流 -链接多个工具调用
- ✅ 重演模式 -推理和解决问题的行动
- ✅ 异步通信 -具有流式http传输的FastMCP服务器
MCP架构
什么是模型上下文协议（MCP）？
MCP是一种 标准化协议 用于AI模型和工具/服务之间的通信。它定义了：
- 服务器 -显示工具/资源/提示
- 客户 -连接到服务器并获取工具
- 运输 -服务器和客户端如何通信（stdio、HTTP、WebSocket）
- 模式 -带有参数和描述的工具定义
您的项目架构
┌──────────────────────────────────────────────────┐ │ LLM代理（client.py）│ │ - LangChain+LangGraph集成│ │ - Groq LLaMA 3.1 8B（快速推理）│ │ - ReAct模式实现│ └──────────────────────┬───────────────────────────┘ │ ┌─────────────┴──────────────┐ │ │ ┌────▼─────────┐ ┌────────▼──────────┐ │ 数学服务器│ │ 天气服务器│ │ （MCP服务器）│ │ （MCP服务器）│ │ │ │ │ │ 运输：│ │ 运输：│ │ 标准输入输出│ │ 可流式传输http│ │ │ │ │ │ 工具：│ │ 工具：│ │ - add（）│-get_weather（）│ │ - multiply（）││ └──────────────┘ └────────────────────┘
