agenticai MCP

基于模型上下文协议（MCP）的代理AI

该项目实现了一个代理AI系统，该系统通过自定义模型上下文协议（MCP）服务器将Groq托管的LLM（qwen-qwq-32b模型）与各种工具连接起来。该系统通过提供维基百科、互联网搜索（通过Tavily API）和财务数据（通过Yahoo Finance API）的上下文信息，增强了LLM的能力。

关于MCP

模型上下文协议（MCP）是Anthropic开发的一个开放标准，用于标准化应用程序如何为大型语言模型（LLM）提供上下文。它促进了LLM应用程序与外部数据源和工具之间的无缝集成，允许AI系统通过标准化的接口与各种服务动态交互。

MCP的主要特征：

• 标准化：为AI助手与结构化工具和数据层的接口提供通用协议。
• 模块化架构：在持久流上遵循客户端-服务器模式，通常由主机AI系统介导。
• 动态内省：支持通过工具/列表和资源/列表等方法动态发现工具和资源。

安全性：结合了主机介导的身份验证，并支持安全的传输协议。​ 通过采用MCP，开发人员可以构建更具互操作性、安全性和复杂工作流程能力的AI应用程序。​

要向MCP服务器添加新工具，请执行以下操作：​

• 定义工具：创建一个处理特定任务或数据检索的新函数。​
• 注册工具：更新服务器的工具注册表以包含新功能，指定工具的名称和描述。​
• 处理请求：确保服务器能够根据查询将传入请求路由到适当的工具。​

这种模块化方法允许轻松扩展服务器的功能，使语言模型能够访问更广泛的上下文信息。

特性

• MCP服务器：提供各种工具访问的中心枢纽
• 三个集成工具:

1. 维基百科搜索-事实信息检索 1. 互联网搜索-由Tavily API提供全面的网络搜索结果 1. 雅虎财经API-实时股票和财务数据

• Groq API集成：使用qwen-qwq-32b型号的超快速LLM处理
• 客户端-服务器体系结构：工具管理和LLM交互之间的清晰分离

先决条件

在开始之前，请确保您拥有以下内容：

• 为python安装UV 安装
• Groq API密钥。请参阅 文档
• Tavilly API密钥（在注册 Tavily AI)

安装

1. 克隆存储库：

   git clone https://github.com/dev484p/AgenticAI_MCP
   cd AgenticAI_MCP

1. 安装依赖项：

   uv add "mcp[cli]"

1. 设置环境变量：

更新keys.json中的Groq和Tavily api密钥

1. 可选（使用MCP Inspector运行服务器进行开发）：

uv run mcp dev server.py

1. 运行以下命令启动聊天机器人：

   uv run client.py

可用工具

系统通过MCP服务器提供三个工具：

1. Wiki搜索：

• 访问维基百科信息
• 示例查询：“告诉我人工智能的历史”

1. 互联网搜索（Tavily）：

• 获取全面的网络搜索结果
• 示例查询：“量子计算的最新进展是什么？”

1. 雅虎财经：

• 访问股票价格和财务数据
• 示例查询：“AAPL股票的当前价格是多少？”

参考

• https://modelcontextprotocol.io/introduction
• https://github.com/langchain-ai/langchain-mcp-adapters
• https://github.com/krishnaik06/MCP-CRASH-Course