多模态代理工具

本地Qwen 2.5与DeepSeek OCR（vLLM和MCP）

英语 | 日本语

LangGraph ReAct Agent支持本地/远程vLLM（Qwen 2.5）和云API，与DeepSeek OCR集成作为远程MCP服务器。

🚀 快速入门指南

1.安装

首先，克隆存储库并在本地计算机（客户端）上安装依赖项。

git clone <repository_url>
cd multimodal
uv sync

2.后端设置（远程GPU服务器）

你需要 两台设备 （或在一个功能强大的设备上运行单独的进程）来运行模型。

设备A：运行主LLM（Qwen 2.5）

在GPU服务器上运行以下命令，为Qwen模型提供工具调用支持：

vllm serve Qwen/Qwen2.5-14B-Instruct-AWQ \
  --dtype auto \
  --trust-remote-code \
  --port 8000 \
  --enable-auto-tool-choice \
  --tool-call-parser hermes \
  --quantization awq

设备B：运行DeepSeek OCR

DeepSeek OCR是一种专门的工具。您需要在此设备上启动模型和MCP服务器包装器。

1. 确保 src/deepseek_ocr 此设备上存在。

2. 启动OCR的vLLM服务器：

   复制

   vllm serve deepseek-ai/DeepSeek-OCR \
     --logits-processors vllm.model_executor.models.deepseek_ocr:NGramPerReqLogitsProcessor \
     --no-enable-prefix-caching \
     --mm-processor-cache-gb 0
   

3. 启动OCR MCP服务器：

   这将DeepSeek OCR模型包装为代理可以调用的MCP服务器。

   复制

   # Run this in the project root on Device B
   uv run src/deepseek_ocr/server.py --port 3002
   

3.客户端配置

回到您的本地计算机（您克隆仓库的地方）：

1. 更新 models_config.json：设置 base_url “Qwen 2.5”指向设备A的IP地址（例如。， http://<device_a_ip>:8000/v1).
2. 更新 mcp_config.json：设置 url 为了使“DeepSeekOCR”指向设备B的MCP服务器（例如。， http://<device_b_ip>:3002/mcp).

4.运行代理

现在，您可以在本地计算机上启动代理。

# Interactive model selection
python vllm_agent.py

# Specify model directly
python vllm_agent.py --model vllm/qwen2.5-14b-instruct-awq

# Skip self-check
python vllm_agent.py --no-self-check

📁 项目结构

multimodal/
├── models_config.json      # Model configuration (vLLM + API)
├── mcp_config.json         # MCP server configuration
├── llm_manager.py          # LLM Manager
├── mcp_manager.py          # MCP Client Manager
├── vllm_agent.py           # Main Agent Program ⭐
└── AGENT_SETUP.md          # Full Technical Documentation

🎯 特性

• ✅ 远程vLLM部署支持（Qwen 2.5）
• ✅ 通过MCP实现远程DeepSeek OCR集成
• ✅ 多个云API提供商支持
• ✅ 自动对话历史管理
• ✅ 容错设计
• ✅ 交互式模型选择