AI助手工具API

实习生AI助手-MCP演示

该存储库包含一个基于概念的内部AI助手的小型解决方案 模型上下文协议（MCP）.
该解决方案由两个在单独的Docker容器中驱动的Python/FastAPI微波炉组成。

Tjenster

我们有两个可用的服务，顾问和空主机。-顾问aph充当客户llm工具api的服务器， llm工具在将对象与人一起返回之前，会进一步处理数据总结。

1.绝缘材料

允许访问顾问数据。

• Endepunkt： GET /konsulenter
• 回复： Forhåndsdefinert以JSON格式列出
• 感觉： id, navn, ferdigheter, belastning_prosent

2.llm verktoy api

像人工智能助手的工具API一样工作。

• Endepunkt： GET /tilgjengelige-konsulenter/sammendrag
• 问题解决者：
  • min_tilgjengelighet_prosent
  • påkrevd_ferdighet
• 逻辑：
  • 从以下位置获取数据 konsulent-api
  • Filtrer konsulenter baser påtilgjengelighet og påkrevd ferdighet
  • 返回类似JSON的人类集合

技术

• Python 3.12
• 快速API
• Pydantic v2
• Docker&Docker编写

Kjøring av prosjektet

偏好

• Docker桌面（Windows/Mac）和Docker引擎（Linux）
• Docker Compose

启动项目。

Fra存储库根：

docker compose up --build

确定起始点为tjenestene：

• 硫化原料药 在 http://localhost:8001
• llm verktoy api 在 http://localhost:8002

测试项目

1. 下载所有顾问：

curl http://localhost:8001/konsulenter

第二，获取过滤器摘要：

curl "http://localhost:8002/tilgjengelige-konsulenter/sammendrag?min_tilgjengelighet_prosent=50&påkrevd_ferdighet=python"

3.Swagger文件：

• 绝缘api： http://localhost:8001/docs
• llm verktoy api： http://localhost:8002/docs

停止进步

docker compose down

本地开发（无Docker）

1. 安装程序Python 3.12+
2. 安装取决于每项服务：

# konsulent-api
cd konsulent-api
pip install -r requirements.txt

# llm-verktoy-api
cd ../llm-verktoy-api
pip install -r requirements.txt

3. 在单独的终端中运行每个服务：

# Terminal 1 - konsulent-api
cd konsulent-api/src
python -m uvicorn main:app --port 8001 --reload

# Terminal 2 - llm-verktoy-api
cd llm-verktoy-api/src
KONSULENT_API_BASE_URL=http://localhost:8001 python -m uvicorn main:app --port 8002 --reload

埃克森佩尔弗雷斯勒

curl http://localhost:8001/konsulenter