AI导哈

多步代理系统框架

提供LangGraph和Model Context Protocol(MCP)框架，用于构建稳健的多步代理系统，支持PDF和YouTube聊天等功能。

  • by TuebingenAICenter
  • Jupyter Notebook
  • 本地部署
  • 12 星标
  • 更新于
在 GitHub 查看 TuebingenAICenter/agent-tutorial

使用说明

代理、MCP和LangGraph-教程

此存储库是代理系统教程的官方配套，该教程在 GCPR 2025内容侧重于构建健壮的多步骤代理的两个关键框架： LangGraph 和 模型上下文协议（MCP）.

所有代码和材料都是为了促进实践学习体验而提供的。

快速启动

所有会话都可以在Google Colab中运行。点击下面的图标，在Colab中打开相应的笔记本并开始使用。

会话 笔记本/文件夹名称 随附代码 完整解决方案
语言图简介 01_basic_langgraph_chatbot -
语言基础 02_chat_with_pdfs_and_youtube
MCP hello-mcp/ -
编排 03_deepresearch -

[！注意] 如果使用Colab，请确保运行每个笔记本电脑中的第一个单元以安装所需的软件包，因为每个Colab笔记本电脑都在全新的环境中运行。

请记住将API密钥添加到 .env 在第一个单元格中创建的文件。

本地设置

对于那些喜欢冒险的人来说，请按照以下说明在您的系统上本地设置仓库

  1. 克隆仓库
        git clone https://github.com/TuebingenAICenter/agent-tutorial-dev.git
    cd agent-tutorial
  2. 使用您选择的python管理器创建和激活虚拟环境。安装所需的软件包。（说明 uv 和 venv 如下所列）
  3. 创建副本 env.example 文件并将其重命名为 .env.将您的API密钥添加到此文件。

venv

    # We do recommend using python 3.12, but any version >=3.10 should work
    python3.12 -m venv .venv
    source .venv/bin/activate
    pip install -r requirements.txt

uv[推荐]

    uv venv -p 3.12
    source .venv/bin/activate
    uv pip install -r requirements.txt

作者和合作者

Peter Gehler

Prof. Tech Transfer @Tübingen AI Center

Matthias Kümmerer

Postdoc @bethgelab

Linus A. Schneider

Master's student @Uni Tuebingen

Jaisidh Singh

Master's student @Uni Tuebingen

Robin Ruff

SE @Tübingen AI Center

Mamen

SE @Tübingen AI Center

相关 MCP