✈️ 本地MCP AI旅行规划师
A. 基于Streamlit的人工智能旅行计划 这产生 详细、个性化的行程 使用 Ollama（当地LLM）, 萤火虫，以及 开放路由服务（ORS）.
该项目旨在运行 完全本地化，并提供免费API ---不需要OpenAI或付费服务。
演示屏幕截图
Screenshot1 Screenshot2 Screenshot3 Screenshot4
______________________________________________________________________
✨ 特性
🤖 人工智能驱动的旅行计划
- 每日行程 时间、景点和活动
- 基于以下内容的个性化推荐 预算和偏好
- 跑 完全离线 与Ollama合作（不需要OpenAI）
🌐 Firecrawl集成
- 取消景点和旅游网站 真实内容
- 提取描述、开放时间、门票价格
🗺️ ORS（OpenRouteService）集成
- 自由路由API
- 提供 距离和行程时间计算 在所有地点之间
- 支持步行、驾驶、骑自行车模式
📅 附加功能
- 出口行程如下
.ics日历文件
- 预算意识规划
- 完全可定制您自己的Olama模型
______________________________________________________________________
🚀 设置
需求
- python 3.9+
- 奥拉马 本地安装
安装
- 克隆此存储库：
git clone https://github.com/your-username/mcp-local-travel-planner.git
cd mcp-local-travel-planner
- 安装依赖项：
pip install -r requirements.txt- 运行应用程序：
streamlit run app.py🎯 用法
在当地启动Ollama：
ollama run mistral使用Streamlit运行应用程序。
在侧栏中输入Firecrawl和ORS API键。
填写行程详情：
- 目的地（如巴塞罗那）
- 天数
- 预算（美元）
- 偏好（食物、历史、夜生活等）
👉 该应用程序将生成包含距离、时间和提示的完整旅行行程。
🛠️ 故障排除
“找到0个房产/景点”→ 网站可能被屏蔽，请尝试其他URL或城市。
ORS错误→ 检查您的ORS API密钥是否有效并已启用。
找不到Ollama→ 在启动Streamlit之前，确保Ollama正在运行。
📂 项目结构
├── app.py # Main Streamlit app
├── requirements.txt # Python dependencies
└── README.md # Documentation🧠 运作原理
- Ollama：用于推理和行程生成的本地LLM
- Firecrawl：抓取旅行页面以提取内容（景点、描述）
- ORS：计算行程站点之间的确切旅行时间和距离
- Streamlit：提供干净的UI
- iCalendar：将行程导出为.ics格式
📌 示例输入
- 目的地：东京
- 天数：5
- 预算：1500美元
- 偏好：寿司、动漫文化、寺庙、购物
👉 输出
为期5天的东京行程，包括真正的景点细节、地铁旅行时间、美食站、文化参观和总预算估算。
📢 作者
内置于❤️ Azar——探索用于旅行和现实世界应用的人工智能代理。