Google Cloud MCP Toolbox Demo

Google Cloud MCP 工具箱演示

这个仓库包含一个小型演示代理，它使用了Google Gemini嵌入和一个 MCP 工具箱 使用MongoDB工具集实现一个“在线杂货代理”。该代理展示了如何使用向量搜索在库存中查找产品，将产品添加到购物车（MongoDB集合），以及获取购物车的总金额（对购物车集合进行聚合）。

• mongodb-groceries-agent/包含演示代理实现（agent.py）并初始化包。
• tools.yamlMongoDB工具的工具箱工具集定义。

先决条件

在运行演示之前，请确保您的机器上已安装并可用以下内容：

• Python 3.10+（推荐使用3.11版本）
• pip（或等效的Python包管理器）
• MCP Toolbox 服务器（遵循 说明；指示；指令)
• 一个可访问GenAI服务的Google API密钥（设置为 GOOGLE_API_KEY 环境变量)
• 一个MongoDB部署（支持Atlas免费M0集群——以下为操作指南）

设置一个免费的MongoDB Atlas M0集群

您可以创建一个免费的（M0）MongoDB Atlas 集群。请按照以下步骤操作：

1. 打开地图册 浏览器中的注册页面。

1. 注册一个免费的MongoDB账户，或者如果您已有账户，请登录。

1. 点击“创建集群”并选择免费套餐（M0 / 共享）。

1. 选择一个云服务提供商和区域（演示中使用默认设置即可）。

1. 创建数据库用户：进入“数据库访问”界面，并添加一个带有密码的用户。保存此用户名/密码——您将在连接字符串中需要它。

1. 允许您的IP地址：进入“网络访问”设置，并添加您当前的IP地址或0.0.0.0/0用于测试（不建议在生产环境中使用）。

1. 点击“连接”，选择“连接您的应用程序”，然后复制提供的连接字符串。

在（代码/配置中）使用连接字符串 tools.yaml 作为 uri 或者更可取的是，通过环境变量来设置它。一个示例连接字符串如下：

   mongodb+srv://:
@.mongodb.net/?retryWrites=true&w=majority

注：更换 `， ， 并且 ` 使用来自Atlas的值。对于本地测试，您也可以使用本地MongoDB服务器。

1. 将示例杂货产品数据导入一个名为（此处可填写具体名称，但原文未给出）的集合中 products 在一个名为……的数据库中 groceries你可以使用提供的 sample_data/groceries.json 文件以及 MongoDB Atlas 用户界面（UI）或 mongosh 来导入它。

mongoimport --uri="" --db="grocery_store" --collection="inventory" --file="grocery_store.inventory.json" --jsonArray

配置

在运行代理程序之前，请设置以下环境变量：

• GOOGLE_API_KEY — 您的Google GenAI API密钥

示例（macOS / zsh）：

export GOOGLE_API_KEY="your-google-api-key"

运行演示代理

1. 安装依赖项（如果此仓库是更大项目的一部分，请相应调整）。从项目根目录执行：

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt  # if a requirements file exists; otherwise install needed packages manually

1. 启动工具箱服务器：

./toolbox --tools-file "tools.yaml"

1. 确保Toolbox服务器正在运行且可访问于 http://127.0.0.1:5000。

1. 运行代理代码（此演示文件旨在由启动代理的编排脚本导入）。要快速尝试简单运行或导入模块：

adk web

根据需要调整调用方式，以将代理集成到管理代理生命周期的运行时环境中。

什么 agent.py does（助动词，用于构成疑问句、否定句等，无实际意义）

• 阅读次数 GOOGLE_API_KEY 从环境中获取并设置它 os.environ 用于Google GenAI客户端。
• 创建一个 genai.Client() 以及一个针对（某目标）的Toolbox客户端 http://127.0.0.1:5000.
• 提供 generate_embeddings(query) 使用（某种方法或技术）来生成嵌入向量 gemini-embedding-001。
• 提供 find_similar_products(query) 该工具通过工具箱工具运行向量搜索 find_similar_documents 针对一个名为……的指数 vector_index 以及该领域 gemini_embedding。
• 构建一个 Agent 配置为使用这些工具以及一个 grocery-shopping-toolset 从工具箱中加载。

故障排除

• 如果你从GenAI那里收到认证错误，请确认 GOOGLE_API_KEY 已设置且有效。
• 如果Toolbox客户端无法连接，请确认ToolboxSync服务器正在运行，并且在配置的地址上可访问。
• 如果出现MongoDB连接问题，请检查您的Atlas IP白名单和数据库用户凭据。

贡献者 ✨

Stanimira Vlaeva

免责声明

自行使用，风险自担；非MongoDB官方支持产品