AI导哈

AI代理工具

X-Agent是一个基于Flutter的AI代理应用程序，可以连接到任何MCP（模型上下文协议）服务器，利用服务器上的工具完成各种任务，扩展AI模型的能力。

  • by TejasShirsath
  • C++
  • 本地部署
  • 更新于
在 GitHub 查看 tejasshirsath/x-agent

使用说明

X-Agent

https://github.com/user-attachments/assets/a10877b7-c70b-46fd-a3d8-557227046ad0

一个基于Flutter的AI代理应用程序，可以连接到任何MCP（模型上下文协议）服务器。一旦连接，它就可以使用该服务器上可用的工具来完成不同的任务。这就像让人工智能访问一组工具，这样它就可以真正地做事，而不仅仅是给出答案。

概述

X-Agent是一个跨平台应用程序，通过模型上下文协议（MCP）作为用户和AI模型之间的接口。这使得人工智能模型能够与工具和外部系统进行交互，大大扩展了它们的功能，使其超越了简单的问答。

特性

  • WebSocket通信：通过安全的WebSocket连接连接到MCP服务器
  • 交互式聊天界面：用于发送和接收消息的简单直观的聊天UI
  • MCP服务器配置：配置并连接到任何兼容的MCP服务器
  • 与跨平台支持：在iOS、Android、Web、Windows、macOS和Linux上运行

入门指南

先决条件

  • Node.js 16.0.0或更高版本（用于后端服务器）
  • Flutter SDK 3.4.3或更高版本
  • Dart SDK 3.0.0或更高版本
  • IDE（VS Code、Android Studio等）

安装

1.克隆存储库：

git clone https://github.com/TejasShirsath/X-Agent.git
cd X-Agent

2.配置并启动客户端服务器

客户端-服务器处理来自Flutter应用程序的WebSocket连接，并将其转发到MCP服务器。

  1. 创建一个 .env 文件在 backend/client_server 目录：

    cd backend/client_server
cp .env.example .env

  2. 打开 .env 文件并添加您的Gemini API密钥：

    GEMINI_API_KEY=your_gemini_api_key_here

  3. 安装依赖项并启动服务器：

    npm install
node client.js

默认情况下，客户端服务器将在端口8080上启动。

3.配置并启动MCP服务器

MCP服务器为AI模型提供工具。

  1. 创建一个 .env 文件在 backend/mcp_server 目录：

    cd backend/mcp_server
cp .env.example .env

  2. 打开 .env 文件并添加您的X API凭据：

    X_API_KEY="YOUR_X_API_KEY_FORMERLY_KNOWN_AS_TWITTER"
X_API_SECRET="your_x_api_secret_here"
X_ACCESS_TOKEN="your_x_access_token_here"
X_ACCESS_SECRET="your_x_access_secret_here"

  3. 安装依赖项并启动服务器：

    npm install
node index.js

默认情况下，MCP服务器将在端口3000上启动。

4.安装和运行Flutter应用程序

  1. 安装依赖项：

    flutter pub get

  2. 创建一个 .env 应用程序目录根目录中的文件(X-Agent/app/):

    cd app
cp .env.example .env

    编辑 .env 具有相应WebSocket URL的文件：

    WEBSOCKET_URL=ws://localhost:8080  # For local development
# Or use WEBSOCKET_URL=wss://your-production-websocket-server-url for production

  3. 运行应用程序：

    flutter run

项目结构

  • /app -Flutter应用程序
  • /backend -后端服务
    • /client_server -WebSocket客户端服务器
    • /mcp_server -MCP服务器实现

配置

该应用程序连接到在 .env.example 文件。您还可以在运行时使用应用程序界面中的设置图标配置MCP服务器URL。

原理

  1. 应用程序与客户端服务器建立WebSocket连接
  2. 客户端服务器连接到MCP服务器
  3. 用户消息通过这些连接发送到AI模型
  4. AI模型可以使用MCP服务器上可用的工具来执行任务
  5. 响应被发送回应用程序并显示给用户

相关 MCP