LangGraph MCP Bootcamp
智能体框架项目 - 基于 LangGraph 和 MCP
项目简介
LangGraph MCP Bootcamp 是一个基于 LangGraph 和 MCP (Model Context Protocol) 的 AI 智能体框架项目。该项目展示了如何构建具有工具调用能力的智能体系统，通过 MCP 服务器集成外部功能。
核心特性
三大智能体
- 浏览器自动化智能体 (BrowserAgent)
- 网页访问与内容提取 - 屏幕截图与动作执行 - 支持爬虫任务
- 出行规划智能体 (TravelAgent)
- 火车票查询（12306 集成） - 路线规划（高德地图集成） - 天气信息查询
- 数据分析智能体 (DataAgent)
- 自然语言转 SQL (NL2SQL) - 数据查询与分析 - 结果可视化
MCP 服务器
| 服务器 | 功能 | 工具 |
|---|---|---|
| server_12306 | 火车票查询 | query_train_tickets, get_train_detail |
| server_amap | 地图服务 | plan_route, search_poi, get_weather |
| server_nl2sql | 数据库查询 | nl2sql, execute_sql, get_schema |
| server_python | 代码执行 | execute_python |
安装
环境要求
- Python 3.10 或更高版本
使用 UV 安装（推荐）
# 安装 UV
pip install uv
# 同步依赖
uv sync使用 Poetry 安装
# 安装 Poetry
pip install poetry
# 安装依赖
poetry install使用 pip 安装
# 创建虚拟环境
python -m venv .venv
# 激活虚拟环境
# Windows:
.venv\Scripts\activate
# Linux/Mac:
source .venv/bin/activate
# 安装依赖
pip install -e .快速开始
交互模式
python main.py然后输入你的问题，例如：
访问 https://example.com查询从北京到上海的火车票查询所有用户数据
单次查询模式
python main.py "查询用户数量"项目结构
langgraph-mcp-bootcamp/
├── config/ # 配置目录
│ ├── mcp_config.json # MCP Client 连接配置
│ └── agents_config.yaml # 智能体 Prompt 与配置
├── src/
│ ├── core/ # 核心基础设施
│ │ ├── state.py # 通用 State 定义
│ │ ├── graph_builder.py # LangGraph 构建基类
│ │ ├── mcp_adapters.py # MCP 适配器管理器
│ │ └── logger.py # 日志管理模块
│ ├── agents/ # 智能体实现
│ │ ├── browser_agent/ # 浏览器自动化智能体
│ │ ├── travel_agent/ # 出行规划智能体
│ │ └── data_agent/ # 数据分析智能体
│ └── mcp_servers/ # MCP Server 源码
│ ├── server_12306.py # 12306 火车票服务
│ ├── server_amap.py # 高德地图服务
│ ├── server_nl2sql.py # NL2SQL 服务
│ └── server_python.py # Python 执行服务
├── data/ # 数据持久化
│ ├── crawled/ # 爬虫结果
│ └── database.db # SQLite 数据库
├── main.py # 统一入口
├── pyproject.toml # 项目配置
└── CLAUDE.md # Claude Code 指南配置
MCP 服务器配置
编辑 config/mcp_config.json 文件来配置 MCP 服务器：
{
"mcpServers": {
"server-name": {
"command": "python",
"args": ["src/mcp_servers/server_xxx.py"],
"env": {}
}
}
}环境变量
创建 .env 文件（参考 .env.example）：
# OpenAI API 配置
OPENAI_API_KEY=your_api_key_here
OPENAI_BASE_URL=https://api.openai.com/v1
# 其他配置
LOG_LEVEL=INFO日志使用
项目使用 loguru 进行日志管理，提供统一的日志配置接口。
基础用法
from src.core import Logger, get_logger
# 方式一：使用默认配置的 logger
logger = get_logger("my_module")
logger.info("这是一条信息日志")
logger.error("这是一条错误日志")
# 方式二：自定义 Logger 配置
log = Logger(
log_dir="logs", # 日志目录
log_level="DEBUG", # 日志级别
rotation="500 MB", # 轮转大小
retention="7 days", # 保留时间
compression="zip", # 压缩格式
enable_console=True # 启用控制台输出
)
log.configure()
# 获取 logger 实例
logger = log.get_logger("my_module")
logger.debug("调试信息")日志级别
DEBUG- 详细调试信息INFO- 一般信息WARNING- 警告信息ERROR- 错误信息CRITICAL- 严重错误
日志文件
logs/app_YYYY-MM-DD.log- 应用日志（包含所有级别）logs/error_YYYY-MM-DD.log- 错误日志（仅 ERROR 及以上）
开发
代码格式化
# 使用 Black 格式化代码
black src/代码检查
# 使用 Ruff 进行 linting
ruff check src/
# 自动修复问题
ruff check --fix src/类型检查
# 使用 MyPy 进行类型检查
mypy src/运行测试
# 运行所有测试
pytest
# 运行特定测试
pytest tests/test_specific.py架构说明
智能体模式
每个智能体遵循统一的实现模式：
- 状态定义：继承
AgentState并添加特定字段 - 图构建：使用
BaseGraphBuilder构建工作流 - 节点实现：每个节点是一个异步函数，处理并返回状态
- 执行运行：通过
run()方法初始化状态并调用图
数据流
用户输入
↓
AgentOrchestrator (路由)
↓
指定智能体
↓
LangGraph 执行节点序列
↓
返回结果示例
浏览器自动化
python main.py "访问 https://github.com 并获取内容"出行规划
python main.py "帮我查一下从北京到上海 2026-02-10 的火车票"数据查询
python main.py "查询所有用户的平均年龄"许可证
MIT License
贡献
欢迎提交 Issue 和 Pull Request！
联系方式
- 项目地址：https://github.com/jacksunny1988/langgraph-mcp-bootcamp
Made with ❤️ using LangGraph & MCP