AI导哈

AI代理构建工具

一个演示项目，展示如何使用LangChain、LangGraph和模型上下文协议（MCP）服务器构建AI代理以实现工具集成。

  • by was-abi
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 was-abi/MCP-LangChain-Agent-Demo

使用说明

MCP LangChain代理演示

一个演示项目，展示如何使用LangChain、LangGraph和模型上下文协议（MCP）服务器构建人工智能代理，以实现工具集成。

特性

  • 多服务器MCP客户端：同时连接到多个MCP服务器
  • 数学服务器：本地基于Python的MCP服务器，提供数学运算（加法、乘法）
  • 天气服务器：用于天气信息的基于HTTP的MCP服务器
  • AI代理集成：使用LangChain和LangGraph创建智能代理
  • OpenRouter AI：与用于LLM服务的OpenRouter API集成

项目结构

mcpdemolangchain/
├── client.py              # Main client application
├── mathserver.py          # Math MCP server (FastMCP)
├── weather.py             # Weather MCP server setup
├── requirements.txt       # Python dependencies
├── .env                   # Environment variables
├── .python-version        # Python version specification
└── README.md              # This file

安装

  1. 克隆存储库：
git clone <repository-url>
cd mcpdemolangchain
  1. 安装依赖项：
pip install -r requirements.txt
  1. 设置环境变量：
cp .env.example .env  # If you have an example file
# Edit .env and add your OpenRouter API key

用法

运行数学服务器

python mathserver.py

运行天气服务器

# Start the weather server (implementation depends on weather.py)
python weather.py

运行客户端应用程序

python client.py

依赖项

  • 兰开夏：LangChain的OpenAI集成
  • python dotenv：环境变量管理
  • langchain mcp适配器：LangChain的MCP适配器
  • fastmcp：快速MCP服务器实施
  • 主控程序：模型上下文协议库
  • 兰格拉夫：基于图的代理框架
  • 语言链：核心LangChain库

关键组件

数学服务器(mathserver.py)

  • 使用FastMCP构建
  • 提供 add 和 multiply 工具
  • 使用stdio传输进行通信

客户端应用程序(client.py)

  • 用途 MultiServerMCPClient 连接到多个MCP服务器
  • 与OpenRouter AI集成以提供LLM服务
  • 使用LangChain/LangGraph创建智能代理
  • 演示工具调用和响应处理

配置

该项目使用环境变量进行配置：

  • OPENROUTER_API_KEY：用于LLM服务的OpenRouter API密钥

贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 进行更改
  4. 如果适用，添加测试
  5. 提交拉取请求

许可证

该项目是开源的，可在 MIT许可证.

致谢

  • LangChain为强大的代理框架
  • 用于基于图的代理编排的LangGraph
  • 用于标准化工具集成的模型上下文协议（MCP）
  • OpenRouter用于提供可访问的LLM服务

相关 MCP