A2a Langgraph Boilerplate

A2A LangGraph沸腾板

对于那些希望更快、更高效地开始构建具有A2A和MCP服务器集成的AI代理集群的开发人员来说，这个项目是一个样板。

• 项目概述
• 代理说明

特性

• 创建和管理人工智能团队
• 创建和管理AI代理
• 创建和管理MCP服务器
• 创建和管理工具
• 集成MCP服务器以使用工具
• 监控活动日志
• 创建和管理与人工智能团队/人工智能代理的对话
• 公开Swagger API文档以获取前端集成说明

概念

• 每个AI代理集群可以有多个AI代理团队（AI crews）
• 每个AI团队可以有多个AI代理，由一个监督者（AI团队的默认AI代理）领导
• 每个AI代理都可以通过MCP服务器集成调用工具

运作原理

• 监督代理将通过API调用接收用户的输入（提示），然后使用其当前功能创建详细计划（人工智能代理及其工具不足）
• 然后请求AI代理通过A2A协议执行任务
• 等待所有AI代理完成给定的任务
• 获取所有结果，分析并决定将更多任务分配给AI代理，或完成计划
• 综合结果，并根据原始输入提示响应用户。

工作流程示例：

• 案例1： 简单直接响应 -用户问“你好”，主管决定直接回答一个简单的问题。这不需要代理委派，只需一个工作流步骤即可完成。
• 案例2： 具有终止控制的多代理协作 -用户询问有关芽庄海滩（越南）的旅行建议：

1. 主管收到查询后，创建具有明确终止条件的任务计划 1. 主管委托代理人1（连接到搜索API MCP服务器）查找最热门的景点 1. 主管委派到代理2（连接到搜索API MCP服务器）研究当地美食 1. 每个代理都会在一条消息中向主管反馈其发现 1. 主管将所有信息综合成最终回复 1. 工作流在主管的最终响应后终止（由消息深度限制强制执行）

示例流程图

入门指南

先决条件

• Python 3.11+
• PostgreSQL

安装

1. 克隆存储库：

   git clone https://github.com/your-username/a2a-langgraph-boilerplate.git
   cd a2a-langgraph-boilerplate

1. 创建并激活虚拟环境：

   python3 -m venv venv
   source venv/bin/activate

1. 安装依赖项：

   pip install -r requirements.txt

1. 设置数据库：

- 确保你的PostgreSQL服务器正在运行。 - 创建一个名为的新数据库 a2a-langgraph-boilerplate。您可以使用以下命令：

     createdb "a2a-langgraph-boilerplate"

- 复制 .env.example 文件到 .env:

     cp .env.example .env

- 更新 DATABASE_URL 在 .env 文件中包含您的PostgreSQL凭据。

1. 创建数据库表：

   python create_tables.py

运行应用程序

要启动应用程序，请运行以下命令：

uvicorn app.main:app --reload

该应用程序将在 http://127.0.0.1:8000.

运行测试

要运行测试，请运行以下命令：

source .venv/bin/activate
which python
python -m pytest tests/ -v

运行特定测试

# To run all tests in the tests directory:
python -m pytest tests/

# To run the UUID model tests we implemented:
python -m pytest test_uuid_models.py

# To run a specific test file:
python -m pytest tests/test_crews.py

\[专题\]运行AI船员聊天工作流程演示

python -m tests.test_ai_crew_simple_demo

API文档

API文档由FastAPI自动生成，可从以下URL获取：

• Swagger用户界面： http://127.0.0.1:8000/docs
• 重新记录： http://127.0.0.1:8000/redoc

鸣谢

• @韩国
• github：
• 子组： https://goonnguyen.substack.com/