使用说明
🔍 Gadget Spec Scout-人工智能智能智能手机比较系统
支持生产的ADK实施，具有MCP增强的智能，用于智能手机比较和推荐
使用AI代理改变智能手机购物，该代理可以记住您的偏好，了解上下文，并提供出色的建议！
✨ 主要特点
🧠 MCP增强智能
- 情境感知对话 -Agent会记住以前的查询并提供智能跟进
- 偏好学习 -自动推断预算、功能和品牌偏好
- 聪明的建议 -将澄清问题减少75%
- 会话跟踪 -跨多个查询维护上下文
🤖 智能代理系统
- 动态工具选择 -单个代理智能地使用所有可用工具
- Web搜索集成 -查找不在数据库中的手机信息
- 多零售商定价 -比较亚马逊、Flipkart和Croma的价格
- 综合评论 -综合评级、优缺点
📊 生产就绪功能
- 会话管理 -持续对话历史
- 错误处理 -优雅的回退和重试逻辑
- 测井和观测 -跟踪代理决策和工具使用情况
- Google Drive集成 -Colab中的轻松文件管理
🎯 魔术演示
无MCP （基本模式）：
User: "Which phone has better battery?"
Agent: "Which phones would you like me to compare?"
User: "The ones we discussed"
Agent: "Could you specify the phone names?"
❌ 3回合，令人沮丧的经历
使用MCP （增强模式）：
User: "Which phone has better battery?"
Agent: "Based on our earlier comparison, Samsung S24 Ultra has
5000mAh vs iPhone 15 Pro Max's 4441mAh. Samsung wins by 13%!"
✅ 1转，精彩体验！
🚀 快速开始
先决条件
- 谷歌账户（Colab）
- Gemini API密钥(在这里买一个)
- 谷歌云端硬盘（用于MCP文件）
设置（5分钟）
1.将文件上传到Google Drive
将这些文件上传到 /content/drive/MyDrive/Kaggle-Google-ADK/:
Kaggle-Google-ADK/
├── gadget-scout-mcp/ # MCP server folder
│ ├── server.py
│ ├── config.py
│ ├── resources/
│ │ ├── conversation.py
│ │ └── tool_registry.py
│ └── prompts/
│ └── query_context.py
└── mcp_client_colab.py # Colab-compatible MCP client
2.在谷歌Colab中打开
点击上方的“在Colab中打开”徽章或上传 gadget_spec_scout_mcp_enhanced_v1.ipynb
3.设置API密钥
- 点击🔑 Colab侧栏中的（秘密）
- 添加密码：
GEMINI_API_KEY - 粘贴API密钥
- 启用“笔记本访问”
4.运行所有单元格
- 运行时→ 全部运行
- 出现提示时允许访问驱动器
- 注意：
✅ MCP components loaded successfully!
5.测试魔法！
# Query 1
await run_query(
"Compare Samsung S24 Ultra and iPhone 15 Pro Max",
session_id="demo"
)
# Query 2 (no phone names needed!)
await run_query(
"Which has better battery?",
session_id="demo"
)
🏗️ 建筑
┌─────────────────────────────────────────────────────────┐
│ User Query │
└────────────────────┬────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ GadgetScout Agent (Gemini) │
│ • Receives query + MCP context │
│ • Selects appropriate tools │
│ • Provides conversational response │
└────────────────────┬────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ MCP Server (Context Management) │
│ │
│ 📚 Conversation Tracking │
│ • Last 10 queries with tools used │
│ • Inferred preferences (budget, features, brands) │
│ • Conversation themes │
│ │
│ 🧠 Context Generation │
│ • Query classification │
│ • Smart suggestions │
│ • Relevant data extraction │
│ │
│ 🛠️ Tool Registry │
│ • Rich metadata for 5 tools │
│ • Usage patterns & examples │
│ • Success rate tracking │
└────────────────────┬────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Smartphone Database │
│ • 5 flagship phones (expandable) │
│ • Specs, Prices, Reviews │
└─────────────────────────────────────────────────────────┘
🛠️ 可用工具
| 工具 | 说明 | 查询示例 |
|---|---|---|
search_devices |
查找符合条件的手机 | “最佳手机₹70,000" |
get_specs |
获取详细规格 | “三星S24的规格是什么？” |
get_price |
多零售商价格比较 | “最便宜的iPhone 15在哪里？” |
get_reviews |
聚合用户评论 | “用户对Pixel 8有什么看法？” |
compare_specs |
并排比较 | “比较OnePlus 12与小米14” |
📊 性能指标
| 度量 | 无MCP | 有MCP | 改进 |
|---|---|---|---|
| 每次查询的平均圈数 | 2.5 | 1.3 | 减少48% |
| 首次响应准确率 | 70% | 95% | 增加25% |
| 澄清问题 | 40% | 10% | 减少75% |
| 用户满意度 | 良好 | 优秀 | 杰出的 ✨ |
📁 项目结构
gadget-spec-scout/
├── gadget_spec_scout_mcp_enhanced_v1.ipynb # Main notebook
├── mcp_client_colab.py # Colab-compatible MCP client
├── gadget-scout-mcp/ # MCP server
│ ├── server.py # Main MCP server
│ ├── config.py # Configuration
│ ├── resources/
│ │ ├── conversation.py # Conversation tracking
│ │ └── tool_registry.py # Tool metadata
│ └── prompts/
│ └── query_context.py # Context generation
├── COLAB_MCP_FIX.md # Troubleshooting guide
├── GOOGLE_DRIVE_SETUP.md # Drive setup instructions
└── README.md # This file
🎓 运作原理
1. 会话跟踪
MCP服务器跟踪每个查询并构建对话上下文：
{
"query_count": 3,
"last_3_queries": [...],
"inferred_preferences": {
"budget_range": "Under ₹120,000",
"priority_features": ["camera", "battery"],
"brands_interested": ["Samsung", "Apple"]
},
"conversation_theme": "comparison_shopping"
}
2. 智能上下文生成
对于每个查询，MCP都会生成智能上下文：
🔍 QUERY ANALYSIS:
- Type: comparison (implicit)
- Missing Info: None (using conversation history)
- User History: Previously compared Samsung vs iPhone
💡 SMART SUGGESTIONS:
1. Answer directly using previous context
2. Provide battery specs for both phones
3. No need to ask "which phones?"
🎯 RECOMMENDED APPROACH:
Direct answer with context from previous comparison
3. 上下文注入
上下文被注入到代理的查询中：
enhanced_query = f"""
{user_query}
<mcp_context>
{intelligent_context}
</mcp_context>
Use the above context to provide a brilliant response.
"""
🔧 配置
启用/禁用MCP
在笔记本中（第5.1节）：
USE_MCP = True # Set to False to disable MCP
自定义驾驶路径
在笔记本中（第1.2节）：
DRIVE_MCP_FOLDER = '/content/drive/MyDrive/YOUR_FOLDER/gadget-scout-mcp'
DRIVE_MCP_CLIENT_COLAB = '/content/drive/MyDrive/YOUR_FOLDER/mcp_client_colab.py'
🐛 故障排除
“MCP服务器不可用：fileno”
解决方案：使用 mcp_client_colab.py 而不是 mcp_client.py （Colab兼容版本）
“无法解析导入mcp_client_colab”
解决方案：确保 mcp_client_colab.py 上传到驱动器并复制到 /content/
“没有名为'resources'的模块”
解决方案：验证 gadget-scout-mcp/ 文件夹结构完好无损
看 COLAB_MCP_FIX.md 了解详细的故障排除。
📚 文档
- MCP集成计划 -完整的MCP架构
- Google云端硬盘设置 -驱动器配置指南
- Colab MCP修复 -故障排除指南
- 测试指导 -如何测试MCP功能
🎯 查询示例
推荐
await run_query("Best phone for photography under ₹120,000")
比较
await run_query("Compare Samsung S24 Ultra and iPhone 15 Pro Max")
跟进（MCP魔术！）
# After comparison above
await run_query("Which has better battery?") # No phone names needed!
预算搜索
await run_query("Show me phones under ₹70,000 with good cameras")
具体信息
await run_query("What do users say about OnePlus 12?")
🚀 未来的增强功能
- []将数据库扩展到50多部手机
- []实时定价API集成
- []真实评论抓取
- []图像比较（相机样本）
- []顶点AI内存库集成
- []多语言支持
- []语音查询支持
🤝 贡献
欢迎投稿！拜托：
- 复刻仓库
- 创建要素分支
- 进行更改
- 提交拉取请求
🙏 致谢
- 谷歌ADK -代理开发工具包
- 谷歌双子座 -LLM为代理提供动力
- 模型上下文协议（MCP） -上下文管理框架
📧 联系
问题？问题？联系方式：
- GitHub问题： 创建问题
- 电子邮件：sanjayias91@gmail.com
内置于❤️ 对于超级智能代理
⭐ 如果你觉得这个仓库有用，就把它标上！