基于MCP的智能出行规划系统
一个旅行计划器，五个人工智能代理协同工作，制定每日旅行计划。 代理与我用Python编写的自定义模型上下文协议（MCP）服务器进行通信。 该服务器公开天气、地理编码、路线、地点、国家数据、货币、， 以及作为MCP工具的维基航行目的地指南，以及一些资源和 提示模板。
这是我最后一年的B.Tech CSE专业项目。
它做什么
您可以输入目的地、日期、预算和偏好。那五个特工 通过MCP服务器协调研究地点、寻找住宿、， 订购每日路线，进行预算检查，并编制完整的行程 在向你展示之前进行自我评分。计划，加上完整的推理过程 每个代理调用的每个工具都保存到Supabase，以便您可以返回。
堆栈
- python
mcp服务器SDK+FastMCP - FastAPI+用于多代理后端的Agno框架
- Next.js 15+尾风前端
- Pinecone作为向量存储（使用Pinecone自己的免费托管嵌入模型，
因此，没有OpenAI积分用于嵌入）
- 将Postgres用于旅行和代理活动日志
- OpenAI gpt-4o-mini是唯一的LLM
MCP服务器使用的免费API
Open Meteo、OpenStreetMap提名、OSRM、天桥、REST国家、， 法兰克福，维基解密。这些都不需要API密钥。
回购布局
mcp_server/ custom MCP server
backend/ FastAPI app + Agno agents
frontend/ Next.js app
tests/ pytest for the deterministic tools (TSP + scorer)
deploy/ Railway and Vercel config本地设置
pip install -r mcp_server/requirements.txt
pip install -r backend/requirements.txt
cp .env.example .env
# fill in OPENAI_API_KEY, PINECONE_API_KEY, SUPABASE_DATABASE_URL
python -m backend.rag.seed_data --reset # one time, loads 90 docs into Pinecone然后在两个终端中：
uvicorn backend.main:app --reload --port 8001 # API on :8001
cd frontend && npm install && npm run dev # UI on :3000后端自动生成MCP服务器作为子进程。如果您进行了设置，则只需要一个单独的MCP终端 MCP_SERVER_URL 指向远程SSE实例。
打开http://localhost:3000.
测试
pytest tests/test_mcp_tools.py许可证
个人学术项目。