AI导哈

多服务器AI代理平台

MCP-v1是一个基于Python的平台，展示如何使用模型上下文协议（MCP）和LangChain构建和连接多个AI驱动的微服务（'工具'）。它支持与本地和远程服务器交互，利用LLM（如Groq的Qwen3-32B）协调工具使用以完成复杂任务。

  • by SUBHADEEP96
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 subhadeep96/react-agent-with-mcp-servers

使用说明

MCP-v1：多服务器人工智能代理平台

概述

MCP-v1是一个基于Python的平台，演示了如何使用模型上下文协议（MCP）和LangChain构建和连接多个AI驱动的微服务（“工具”）。它具有一个可以与本地和远程服务器交互的客户端，利用LLM（如Groq的Qwen3-32B）来协调复杂任务的工具使用。

特性

  • 多服务器编排： 连接到本地（数学）和远程（天气）MCP服务器。
  • LLM代理集成： 使用LangChain和LangGraph创建一个可以推理和调用工具的ReAct代理。
  • 可扩展工具： 按照提供的服务器模板轻松添加新工具/服务器。

项目结构

├── client.py         # Main client that connects to MCP servers and runs the agent
├── mathserver.py     # Local math tool server (add, multiply)
├── weather.py        # Weather tool server (returns weather info)
├── main.py           # Simple hello-world entry point
├── requirements.txt  # Python dependencies
├── pyproject.toml    # Project metadata and dependencies
├── README.md         # This file

快速启动

1.安装依赖项

pip install -r requirements.txt

2.设置环境变量

创建一个 .env 使用Groq API密钥在项目根目录中创建文件：

GROQ_API_KEY=your_groq_api_key_here

3.启动服务器

数学服务器（本地，stdio）：

python mathserver.py

天气服务器（HTTP，端口8000）：

uvicorn weather:app --host 0.0.0.0 --port 8000
# OR, if using FastMCP's built-in runner:
python weather.py

4.运行客户端

python client.py

输出示例

Math Response: The answer to (5 + 3) * 12 is 96.
Weather response: It's always rainning in Kolkata

运作原理

  • client.py 创建a MultiServerMCPClient 连接到数学（stdio）和天气（HTTP）服务器。
  • 它从两个服务器加载可用工具，并使用Groq的Qwen3-32B LLM创建LangChain ReAct代理。
  • 代理可以通过调用适当的工具/服务器来回答数学和天气问题。

添加新工具

  1. 创建新的服务器文件（请参见 mathserver.py 或 weather.py 模板）。
  2. 在注册您的工具 @mcp.tool() 装饰师。
  3. 将服务器配置添加到 MultiServerMCPClient 在……里面 client.py.

需求

  • Python 3.13+
  • 看 requirements.txt 对于Python包

作者

Subhadeep保罗

鸣谢

该项目用于示范和教育目的。

相关 MCP