Agentic MCP File Reader

🧠 代理型MCP文件阅读器

适合初学者的 AI文件助手 由……提供支持/驱动 链光（或链灯，根据上下文具体含义可能有所不同）， 模型上下文协议（MCP），以及 通过OpenAI Agents SDK使用Gemini API。\ 这个项目展示了人工智能代理如何能够 读取、搜索和编写本地文件 使用自然语言——无论是通过 聊天界面 或者 CLI（Command Line Interface，命令行界面）。

______________________________________________________________________

🚀 特点

• 🤖 表示机器人。 基于聊天的文件助手 （通过Chainlit）
• 🧩 这个表情符号在中文中通常被用来表示“拼图”或“碎片”的意思，也可以象征着“智慧”或“解决问题”。在不同的语境下，它可以有不同的含义，但核心都是围绕着“拼凑”或“组合”的概念。 MCP 服务器 提供工具用于读取、搜索和编写文件
• 🔗（这个符号在中文中通常没有直接的翻译，它在网络语境中常用来表示链接或连接，所以可以翻译为“链接”或根据上下文具体解释为“这是一个链接”等） Gemini API集成 通过OpenAI Agents SDK
• ⚙️（齿轮符号，常用于表示机械、技术或设置相关的概念） 流式响应 实时输出代币
• 💻 电脑/笔记本电脑 命令行界面 (CLI) 可用版本

______________________________________________________________________

🧱 项目结构

agentic-mcp-file-reader/
│
├── app.py           # Chainlit UI app - Chat interface for File Assistant
├── server.py        # MCP server exposing file read/search/write tools
├── fileagent.py     # CLI-only version of File Assistant
├── .env             # Contains GEMINI_API_KEY and MCP_SERVER_URL
└── requirements.txt # (Recommended) Dependencies list

______________________________________________________________________

📦 安装指南

1️⃣ 克隆仓库

git clone https://github.com/connectalizain/agentic-mcp-file-reader.git
cd agentic-mcp-file-reader

2️⃣ 创建虚拟环境（可选但推荐）

python -m venv venv
source venv/bin/activate    # On macOS/Linux
venv\Scripts\activate       # On Windows

3️⃣ 安装依赖项

pip install -r requirements.txt

*（如果你没有 requirements.txt，手动安装:)*

pip install chainlit python-dotenv uvicorn fastapi openai-agents-sdk

4️⃣ 添加环境变量

创建一个 .env 根目录中的文件：

GEMINI_API_KEY=your_gemini_api_key_here
MCP_SERVER_URL=http://localhost:9000/mcp/

______________________________________________________________________

⚙️ 运行项目

🧩 步骤1 — 启动MCP服务器

python server.py

这将启动 MCP FastAPI 服务器 暴露这些工具：

• read_file(path)
• search_file(path, keyword)
• write_file(path, content, mode)

默认端口： 9000

______________________________________________________________________

💬 步骤2 — 运行Chainlit应用程序

chainlit run app.py -w

然后打开提供的（文件/链接/软件等） 本地主机URL 在您的浏览器中。

你可以与你的助手进行自然对话：

🗣 “搜索这个词 *未来* 在 test.txt 并对其进行总结。”\ 🗣 “总结一下 report.txt 在50字以内。“\ “写上‘AI太棒了！’到 note.txt。”

______________________________________________________________________

🧑‍💻 步骤3 — 使用CLI文件代理（可选）

对于仅终端版本：

python fileagent.py "Summarize test.txt in 50 words"

或者以交互方式运行它：

python fileagent.py
Enter query: Search 'progress' in test.txt

______________________________________________________________________

🧠 它的工作原理

🔹 server.py

实现了一个 MCP服务器 使用 FastMCP。\ 向以下方面提供工具：

• 读取一个文件（read_file)
• 搜索关键词（search_file)
• 写入文件（write_file)

🔹（这个符号本身在中文中没有特定含义，通常用作装饰或标记，可直接保留或根据上下文解释为“一个蓝色的实心圆圈”或“一个装饰性符号”等） app.py

启动一个 链式照明网页界面 其中：

• 双子座模型（gemini-2.5-flash) 通过OpenAI Agents SDK进行连接。
• 代理连接到本地MCP服务器以访问文件工具。
• 用户输入以实时代币更新的方式进行流式传输。
• 工具使用情况会在聊天中显示（例如，“🔧 调用工具：read_file”）。

🔹（这个符号在中文中通常没有直接对应的翻译，它可能用于表示一个项目符号、重点或特定的标记。在没有上下文的情况下，可以简单地将其描述为“一个项目符号或重点标记”。） fileagent.py

A. CLI 版本 文件助手的（功能/特性）为：

• 连接到同一台MCP服务器。
• 输出流到终端。
• 处理无用户界面的查询。

______________________________________________________________________

🧩 示例流程

1. 你问：

> “查找这个词 *创新* in notes.txt 并进行总结。”

1. 代理：

- 电话 search_file - 读取匹配的行 - 电话 read_file 为了提供背景信息 - 使用Gemini总结全部内容

1. 您可以在 Chainlit 或命令行界面 (CLI) 中看到实时流式输出。

______________________________________________________________________

技术栈（或技术堆栈）

______________________________________________________________________

🔒 环境变量

______________________________________________________________________

🧩 未来改进方向

• 添加多文件上下文记忆
• 在Chainlit UI中支持文件上传和预览
• 添加身份验证和日志记录功能
• Docker对部署的支持

______________________________________________________________________

📜 许可证

麻省理工学院许可证 © 2025 “connectalizain” 可能是一个拼写错误或特定领域的术语，直接翻译并不常见。如果尝试将其拆解并基于类似词汇进行推测，可以理解为与“连接”（connect）和“某种状态或过程”（可能由“alizain”部分暗示，但此部分无直接对应中文含义）相关的概念。然而，由于缺乏具体上下文，一个较为通用的翻译可能是“连接状态”或“连接过程”，但这仅是基于猜测的解释。在实际应用中，需要根据具体语境来确定准确含义

______________________________________________________________________

🌟 致谢

多亏了

• 链光（或链灯，根据上下文具体含义可能有所不同）
• OpenAI智能体软件开发工具包（SDK）
• 模型上下文协议（MCP）
• 谷歌Gemini API