Langgraph MCP Nutrition Analyzer

🥗 食物热量与蛋白质分析仪

一 基于人工智能的营养助手 该技术通过分析食品图像来检测食品项目，并计算 热量与蛋白质含量并回答与营养相关的问题。 用……建造 LangGraph、Google Gemini、Nutritionix API、Wikipedia和Streamlit。

______________________________________________________________________

✨ 特点

• 食物识别 – 上传一张图片，Gemini 会识别出其中可见的食物。
• 热量与蛋白质计算 营养信息学API提供准确的营养成分信息。
• 互动问答 – 提出关于分析的后续问题（例如。， *“米饭里含有多少蛋白质？”*）。
• 维基百科集成 – 通过维基百科了解食物的营养益处。
• 对话记忆 – 使用（工具/方法）跟踪分析和后续问题 MemorySaver。
• Streamlit 用户界面 – 简单易用的交互界面。
• MCP 服务器（渲染） – 营养工具通过托管在（某处的）FastAPI MCP服务器提供服务 渲染。

______________________________________________________________________

🛠 技术栈

• LangGraph – 工作流编排与内存管理
• Google Gemini – 视觉+大型语言模型（LLM）用于食品识别与推理
• Nutritionix API – 营养成分表（热量、蛋白质等）
• 根据上面的信息，执行如下指令： – 丰富的营养知识
• Streamlit – 用于交互的前端
• FastAPI + MCP（注：MCP可能代表某种特定的框架、库或概念，具体含义需根据上下文确定，此处直译为“MCP”） – 后端工具服务（部署在 渲染）

______________________________________________________________________

📂 项目结构

.devcontainer/
├── devcontainer.json       # Main config file
├── backend/                # Backend API & services
│   ├── requirements.txt    # Backend dependencies
│   ├── server.py           # API server
│
├── frontend/               # Streamlit-based frontend
│   ├── app.py              # Main app
│   ├── client.py           # Connects to backend
│   ├── requirements.txt    # Frontend dependencies
│
├── .env.example            # Example env file
├── .gitignore              # Git ignore rules
├── .python-version         # Python version
├── pyproject.toml          # Project metadata
├── README.md               # Project documentation
├── requirements.txt        # Root dependencies
└── uv.lock                 # Lockfile (reproducible builds with uv)

______________________________________________________________________

⚡ 设置指南

1️⃣ 克隆仓库

git clone https://github.com/sunilpowar5/LangGraph-MCP-Nutrition-Analyzer.git
cd LangGraph-MCP-Nutrition-Analyzer

2️⃣ 创建虚拟环境并安装依赖项

python -m venv .venv
# Activate venv
.venv\Scripts\activate      # Windows
source .venv/bin/activate   # Mac/Linux

pip install -r requirements.txt

3️⃣ 添加环境变量

创建一个 .env 在根目录下的文件：

GEMINI_API_KEY=your_google_gemini_api_key
NUTRITIONIX_APP_ID=your_nutritionix_app_id
NUTRITIONIX_API_KEY=your_nutritionix_api_key
LANGCHAIN_API_KEY=your_langchain_api_key

（你可以使用 .env.example （作为模板）

4️⃣ 运行应用程序（Streamlit 前端）

streamlit run frontend/app.py

5️⃣（可选）运行后端MCP服务器

uvicorn backend.server:app --host 0.0.0.0 --port 8000

______________________________________________________________________

使用方法/用途

上传一张食物图片（jpeg/jpg/png格式）。 系统检测到食物项目 → Nutritionix 获取卡路里和蛋白质信息。

提出后续问题，例如：

• “这顿饭健康吗？”
• “这顿饭有什么好处？”

随时开始新会话。

📌 示例工作流程

上传图片 → 检测到 🍌（香蕉）+ 🥛（牛奶）

Nutritionix 获取 →

Banana: 105 calories, 1.3g protein
Milk: 103 calories, 8g protein
Total: 208 calories, 9.3g protein

问：“牛奶有什么好处？”→ 答案来自维基百科。

______________________________________________________________________

🚀 路线图

• 支持多种食品图像分割（边界框）。
• 增加更多营养相关应用程序编程接口（API），以扩大覆盖范围。
• 在Streamlit Cloud/AWS上部署。
• 多用户历史记录与持久化存储。

______________________________________________________________________

🤝 贡献

欢迎贡献、提出问题和功能需求！ 欢迎随时提交拉取请求（PR）或报告错误。