麦哲伦计划🧭
*为2025年Mistral AI MCP黑客马拉松打造的Mistral人工智能代理导航工具。*
______________________________________________________________________
关于项目
Le Chat和其他Mistral AI助手是强大的语言模型，但它们的功能仅限于文本的数字世界。他们无法与有史以来最重要的信息界面——万维网进行交互。
流行的浏览器自动化库，如 browser-use 为AI代理提供控制web浏览器的工具，但它们缺乏对Mistral强大模型家族的原生一流支持。
麦哲伦解决了这个问题。
麦哲伦是一款定制的高性能 模型上下文协议（MCP）服务器 那就是那座失踪的桥。它引入了一种全新的、专门打造的 Mistral LLM 连接器 为了 browser-use 图书馆，使Mistral代理能够导航、理解和与任何网站互动。
我们的项目的目标是让Le Chat有“眼睛”看到网络，有“手”使用网络，所有这些都是通过Mistral AI的智能精心策划的。
核心功能
- 一流的Mistral集成： 定制的
ChatMistral类允许browser-use由Mistral模型驱动的代理(mistral-large-latest等等）。 - 在线聊天中的交互式视觉浏览： 麦哲伦不仅仅是自动化；它返回视觉截图和交互元素列表，允许用户在“展示，而不仅仅是告诉”的体验中引导代理。
- 自定义MCP服务器： 在Python中从头开始构建，具有轻量级、可扩展性，并专门为我们的Mistral代理量身定制。
- Pydantic V2模式： 所有代理组件和数据结构都使用Pydantic定义，以实现强大的类型安全性和清晰度，确保我们的实现是生产级的。
建筑：工作原理
麦哲伦精心策划了从用户请求到网络交互的无缝流程：
- 用户提示： 用户要求Le Chat执行基于网络的任务（例如，“查找Alpic Cloud资源的最新消息”）。
- MCP请求： Le Chat将任务分派给Magellan MCP服务器。
- 西北风驱动决策： 麦哲伦收到任务并使用我们的定制
ChatMistral连接器。它将当前状态和目标发送到Mistral API以确定下一个最佳动作（例如。，browser_navigate,browser_type). - 浏览器执行： 这
browser-use库在无头浏览器会话中执行由Mistral模型确定的动作。 - 视觉反馈循环： Magellan捕获新的页面状态（屏幕截图和交互式DOM元素）。
- 返回Le Chat： 服务器将视觉上下文发送回Le Chat中的用户，向他们展示代理看到的内容以及接下来可以做什么。
入门指南
要启动并运行本地副本，请使用以下简单步骤 紫外线，高性能Python包管理器。
先决条件
安装
- 克隆存储库：
git clone https://github.com/Alistorm/Magellan.git
cd Magellan- 创建虚拟环境并安装依赖项
uv:
# Install packages from requirements.txt into the virtual environment
uv sync- 通过创建
.env文件：
MISTRAL_API_KEY="your-mistral-api-key-here"- 使用以下命令运行Magellan MCP服务器
uv:
# 'uv run' executes the command within the managed virtual environment
uv run ./src/main.py用法示例
麦哲伦服务器运行后，配置您的MCP兼容客户端（如Le Chat）以连接到它。
MCP客户端的示例配置：
{
"mcpServers": {
"magellan": {
"command": "uv",
"args": ["run", "magellan_server.py"],
"env": {
"MISTRAL_API_KEY": "your-mistral-api-key-here"
}
}
}
}然后，您可以让Le Chat执行任务：
“嘿，麦哲伦，去GitHub上的Mistral AI Cookbook，找到一个如何使用函数调用的例子。” “嘿，麦哲伦，帮我玩Akinator直播”
构建于
______________________________________________________________________
麦哲伦计划 由Wilfred/Mohamed Ali/Adrian和他们的AI队友为 2025年米斯特拉尔人工智能MCP黑客马拉松.
用Akinator示例改装MCP连接器（Wilfred部分）
我们学到了什么
- MCP协议：如何公开和调用功能/工具。
- 使用fastmcp在Python中实现MCP服务器，重点是类型注释和JSON模式。
- 使用Alpik将MCP服务部署到生产环境。
- 配置Mistral Le Chat以连接到我们的MCP服务器。
- 集成第三方API（Akinator）。
- 交付一个具体的端到端项目。
我们建造了什么
- 部署在Alpik上的Python MCP服务器（fastmcp），可从Mistral Le Chat购买。
- 使用Akinator API验证端到端能力暴露和对话的演示。
下一步和想法
- 通过“改造”现有API规格自动生成MCP连接器：
- Swagger/OpenAPI 3 - 图查询语言
- 实现与现实世界设备的对话，以进行维护和工业4.0：
- 汽车CAN总线 - 其他IIoT设备
差异化支持
- AsyncAPI（事件驱动的API规范）是一个关键区别。
- 愿景：允许用户在Le Chat中发出请求，并通过通知异步接收结果。 - 含义：需要改进基于回合的MCP协议以支持异步事件。
我们两条轨道之间的关系
- 用于改装现有设备的浏览器自动化补充了MCP连接器的生成：
- 浏览器自动化连接了传统或纯UI系统。
- MCP连接器为现代API和改装端点提供标准化接口。
- 它们共同将覆盖范围从仅网络/传统设备扩展到事件驱动和设备级集成。
图案由Akinator绘制
Akinator的例子展示了专家系统和生成式人工智能之间的合作。 角色划分： 专家系统（Akinator）：领域启发式、状态管理和确定性问题/答案评估。 生成模型（Le Chat/Mistral）：自然语言交互、解释和策略建议，以改善用户体验。
MCP充当编排层：LLM调用Akinator的功能，接收结构化结果，并将其转化为对话指导。 结果：由可靠的专家引擎提供支持的无缝、人性化的对话——展示了经典人工智能和生成式人工智能如何端到端互补。