Basic MCP Agent

集成PayLink的基本MCP服务器

一个简单的例子演示如何构建 MCP（模型上下文协议）服务器 并使用PayLink基础设施将其连接到AI代理。

概述

该项目展示了以下内容之间的整合：

• MCP服务器 -AI模型可以使用的工具
• PayLink -用于将MCP服务器连接到代理的基础架构
• AI智能体 -使用MCP工具的LangChain/LangGraph代理

此示例演示了基本的MCP服务器设置：

1. MCP服务器 通过HTTP公开工具（加、减）
2. AI 代理 使用连接到MCP服务器 PayLinkTools
3. PayLink 提供代理和服务器之间的连接基础架构
4. 工具执行 并将结果返回给代理

项目结构

basic-mcp+agent/
├── README.md                    # This file
├── example_mcp_server/          # The MCP server
│   ├── main.py                  # Server implementation
│   ├── pyproject.toml           # Dependencies
│   ├── .env.example             # Environment variable template
│   └── README.md
└── agent/                       # The AI agent consumer
    ├── src/
    │   └── graph.py             # LangGraph agent definition
    ├── notebooks/
    │   └── use_monitized_mcp.ipynb  # Interactive example
    ├── langgraph.json           # LangGraph configuration
    ├── pyproject.toml           # Dependencies
    ├── .env.example             # Environment variable template
    └── README.md

快速开始

先决条件

• Python 3.13+
• 紫外线 -快速Python包管理器
• OpenAI API密钥 -对于AI代理

步骤1：启动MCP服务器

# Create and activate virtual environment
uv venv
source .venv/bin/activate

# Install dependencies
uv sync

# Run the server
uv run main.py

服务器将在以下时间启动 http://0.0.0.0:5003/mcp

步骤2：配置AI代理

打开一个新终端：

# Navigate to the agent directory
cd agent

# Copy the environment template
cp .env.example .env

# Edit .env and replace the values with your custom values:
# - WALLET_CONNECTION_STRING (generate on PayLink platform)
# - OPENAI_API_KEY (your OpenAI API key)

步骤3：运行AI代理

# Create and activate virtual environment
uv venv
source .venv/bin/activate

# Install dependencies
uv sync

# Run the LangGraph development server
langgraph dev

代理人将在 http://127.0.0.1:2024 使用Studio UI。

示例流程

User: "What is 15 plus 27?"

1. Agent receives the query
2. LLM decides to use the "add" tool
3. PayLinkTools sends request to MCP server
   - Includes wallet credentials in headers
4. MCP server receives the request
5. Tool executes: 15 + 27 = 42
6. Result returned to agent
7. Agent responds: "15 plus 27 equals 42"

定制

添加新工具

1. 在中添加工具定义 list_tools()
2. 在中实现工具逻辑 call_tool()

@app.list_tools()
async def list_tools() -> list[types.Tool]:
    return [
        # ... existing tools
        types.Tool(
            name="multiply",
            description="Multiply two integers",
            inputSchema={
                "type": "object",
                "properties": {
                    "a": {"type": "number"},
                    "b": {"type": "number"},
                },
                "required": ["a", "b"],
            },
        ),
    ]

@app.call_tool()
async def call_tool(tool_name: str, arguments: dict[str, Any]) -> list[TextContent]:
    # ... existing logic
    elif tool_name == "multiply":
        result = arguments["a"] * arguments["b"]
        return [types.TextContent(type="text", text=str(result))]

资源

• PayLink文档

许可证

此示例作为PayLink SDK的一部分提供用于教育目的。