AI导哈

轻量级AI代理框架

一个基于模型上下文协议（MCP）的轻量级AI代理框架，支持与多种AI模型和工具的无缝集成。

  • by SRafi007
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 SRafi007/Tiny-Agents-an-MCP-powered-agent

使用说明

微型代理-MCP驱动的代理

由模型上下文协议（MCP）支持的轻量级AI代理框架，可与各种AI模型和工具无缝集成。

🌟 概述

该项目演示了如何使用 微型代理 框架与MCP服务器集成。这些代理可以与外部工具（如用于web自动化的Playwright）交互，并且可以由不同的LLM提供商提供支持，包括Ollama和Hugging Face Inference。

🚀 特性

  • 多LLM提供商支持：与Ollama、Hugging Face Inference和其他提供商兼容
  • MCP服务器集成：无缝连接到像Playwright这样的MCP服务器，以扩展功能
  • 灵活配置：基于JSON的代理配置，便于定制
  • 工具发现：内置工具列表和发现机制
  • 轻便快速：通过快速设置实现最小依赖

📁 项目结构

mcp-practice-tiny-agent/
├── agents/                          # Agent configuration files
│   ├── agent.json                   # Base agent configuration
│   ├── agent_with_ollama.json       # Ollama-powered agent
│   └── agent_with_hfinference.json  # HuggingFace Inference agent
├── scripts/                         # Utility scripts
│   ├── run_agent.py                 # Main agent execution script
│   ├── test_connection.py           # Connection testing script
│   └── mcp_list_tools.py            # Tool discovery script
├── servers/                         # MCP server configurations
├── requirements.txt                 # Python dependencies
└── README.md                        # This file

🛠️ 安装

先决条件

  • Python 3.8+
  • Node.js（适用于Playwright等MCP服务器）
  • Ollama（可选，用于本地LLM推理）

设置

  1. 克隆仓库:

    git clone <repository-url>
cd mcp-practice-tiny-agent

  2. 创建虚拟环境:

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

  3. 安装依赖项:

    pip install -r requirements.txt

  4. 设置环境变量 （如果使用拥抱脸）：

    # Create a .env file
HF_TOKEN=your_huggingface_token_here

🎯 用法

运行代理

执行主代理脚本：

python scripts/run_agent.py

这将加载代理配置并运行示例任务（例如，web搜索和摘要）。

测试连接

验证您的代理设置：

python scripts/test_connection.py

列出可用工具

了解您的代理可以使用哪些工具：

python scripts/mcp_list_tools.py

⚙️ 配置

代理配置文件

代理配置存储在 agents/ 目录为JSON文件：

示例：Ollama代理商(agent_with_ollama.json)

{
    "name": "playwright-agent",
    "description": "Agent with Playwright MCP server",
    "model": "Qwen/Qwen2.5-1.5B-Instruct",
    "base_url": "http://localhost:11434",
    "servers": [
        {
            "type": "stdio",
            "command": "npx",
            "args": ["@playwright/mcp@latest"]
        }
    ]
}

示例：拥抱面部推理代理(agent_with_hfinference.json)

{
    "name": "playwright-agent",
    "description": "Agent with Playwright MCP server",
    "model": "Qwen/Qwen2.5-1.5B-Instruct",
    "provider": "hf-inference",
    "servers": [
        {
            "type": "stdio",
            "command": "npx",
            "args": ["@playwright/mcp@latest"]
        }
    ]
}

配置参数

  • 名字：您的代理的唯一标识符
  • 描述：代理人目的的简要说明
  • 模型：要使用的LLM模型（例如。， Qwen/Qwen2.5-1.5B-Instruct)
  • 提供者：法学硕士提供者(hf-inference，或省略Ollama）
  • base_url：API终点（对于Ollama，通常 http://localhost:11434)
  • 服务器：要连接的MCP服务器阵列

🔧 支持的MCP服务器

当前配置为：

  • 剧作家MCP：Web自动化和浏览器控制功能

您可以通过修改来添加更多MCP服务器 servers 代理配置中的数组。

📚 关键依赖关系

  • 主控程序：模型上下文协议实现
  • MCP-奥拉马：用于MCP的Olama集成
  • tiny_agent：核心代理框架
  • 拥抱脸_主页：拥抱脸部模型集成
  • 奥拉玛：Ollama Python客户端
  • 皮丹提克：数据验证和设置管理

🤝 贡献

欢迎投稿！请随意：

  • 报告错误
  • 建议新功能
  • 提交拉取请求

📝 许可证

[在此处添加您的许可证信息]

🙏 致谢

📞 支持

有关问题和疑问，请在存储库中打开问题。

代理楼快乐！ 🤖✨

相关 MCP