与MCP服务器集成的数学代理
🎯 概述
此项目创建了一个 数学代理 使用 希腊 AI 为了理解数学问题和 真正的MCP服务器工具 用于执行计算。代理从不使用内部LLM推理进行数学运算，它总是委托给外部MCP工具。
🏗️ 建筑
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ User Input │ -> │ Groq AI │ -> │ MCP Tools │
│ Math Question │ │ Analysis │ │ (External) │
└─────────────────┘ └─────────────────┘ └─────────────────┘
│ │
v v
Parse Problem Execute Calculation
Extract Numbers Return Precise Result
Identify Operations📁 项目结构
MathAgent/
├── math_agent.py # Main agent with Groq AI integration
├── math_functions.py # Mathematical functions (external tools)
├── main.py # MCP server
├── .env # API keys (GROQ_API_KEY)
├── pyproject.toml # Dependencies
└── README.md # This file🔧 关键组件
1. 数学代理(math_agent.py)
- 使用Groq AI分析数学问题
- 从自然语言中提取运算和数字
- 将计算委托给真实的MCP服务器工具
- 如果MCP工具不可用，则返回错误（无回退）
2. 数学函数(math_functions.py)
- 可以直接导入的纯数学函数
- 导入时不启动服务器
- MCP服务器和直接代理集成都使用
3. MCP服务器(main.py)
- FastMCP服务器公开数学工具
- 可以独立运行以进行外部连接
- 提供15个数学运算作为MCP工具
🚀 快速开始
1.安装依赖项
pip install groq python-dotenv pydantic-ai fastmcp2.设置API密钥
创建 .env 文件：
GROQ_API_KEY=your_groq_api_key_here3.运行交互式代理
python3 math_agent.py4.运行MCP服务器（可选）
python3 main.py📊 可用的数学工具
| 工具 | 说明 | 示例 | ||
|---|---|---|---|---|
add(a, b) | 相加 | 25+75=100 | ||
subtract(a, b) | 减法 | 100-25=75 | ||
multiply(a, b) | 乘法 | 12×12=144 | ||
divide(a, b) | 分部 | 144÷12=12 | ||
power(a, b) | 指数 | 3^4=81 | ||
square_root(a) | 平方根 | √169=13 | ||
factorial(n) | 阶乘 | 5！ = 120 | ||
absolute_value(a) | 绝对值 | -5 | =5 | |
sin(a) | 正弦（弧度） | sin（π/2）=1 | ||
cos(a) | 余弦（弧度） | cos（0）=1 | ||
tan(a) | 切线（弧度） | tan（π/4）=1 | ||
log(a, base) | 对数 | log（8，2）=3 | ||
modulus(a, b) | 模数 | 17%5=2 | ||
degrees_to_radians(d) | 转换度数 | 180°=πrad | ||
radians_to_degrees(r) | 转换弧度 | πrad=180° |
🎮 使用示例
交互模式
$ python3 math_agent.py
🧮 Math Agent - Production Mode
==================================================
I solve mathematical problems using external MCP tools.
Requires: math_functions.py for calculations
� Enter your math question: What is 156 + 244?
🎯 Solution: Using real MCP server tool 'add': 156 + 244 = 400
📝 Enter your math question: Calculate the square root of 625
🎯 Solution: Using real MCP server tool 'square_root': √625 = 25.0程序化使用
from math_agent import MathAgent
import asyncio
async def solve_problem():
agent = MathAgent()
result = await agent.solve_math_problem("What is 7 factorial?")
print(result) # "Using real MCP server tool 'factorial': 7! = 5040"
asyncio.run(solve_problem())🔍 运作原理
- 用户提出一个数学问题 （自然语言）
- Groq AI分析 问题和摘录：
- 所需的数学运算 - 涉及的数字 - 解决方案方法
- Agent使用真正的MCP工具:
- 从导入函数 math_functions.py - 使用外部工具执行计算 - 返回精确的数值结果
- 错误处理 如果MCP工具不可用（无模拟）
✅ 生产特点
该系统通过以下方式确保外部工具的使用：
- 无回退模拟 -只有真正的工具调用
- 从不在LLM环境中执行计算
- 始终委托给导入的数学函数
- 工具不可用时清除错误消息
- 记录每次操作使用的工具
🎯 关键利益
- 🔒 可靠的：无LLM计算错误
- 🎯 精确：使用实数数学函数
- 🔧 外部：所有计算均通过MCP工具进行
- 🧠 聪明的：通过Groq AI进行自然语言理解
- ⚡ 快速：直接函数调用进行计算
- 🛡️ Safe：正确的错误处理和验证
- 🏭 生产：没有模拟代码或回退
______________________________________________________________________
使用Groq AI+Real MCP工具制作数学代理 使用MCP工具
一个复杂的数学代理，它使用外部模型上下文协议（MCP）工具进行所有数学计算，而不是依赖LLM的内部推理。这确保了精确的计算，并在解决问题的过程中提供了透明度。
🎯 项目概述
此项目实现了一个数学代理，该代理：
- ✅ 使用外部MCP工具进行所有数学运算
- ✅ 从不依赖LLM内部计算
- ✅ 提供分步说明
- ✅ 使用Groq API实现快速高效的LLM操作
- ✅ 支持交互式问题解决会话
- ✅ 包括用于调试的全面日志记录
🛠️ 建筑
Student Query → Math Agent → MCP Client → MCP Server (Tools) → Results → Student
↓
Standard Logging组件
- MCP服务器 (
main.py)-提供数学工具 - 数学代理 (
math_agent.py)-使用Groq API协调解决问题 - MCP客户端 -将代理连接到工具
- 标准测井 -调试和监控的基本日志记录
🧮 可用的数学工具
基本操作
add(a, b)-补充subtract(a, b)-减法multiply(a, b)-乘法divide(a, b)-分部modulus(a, b)-模量/剩余量
高级操作
power(a, b)-指数（a^b）square_root(a)-平方根log(a, base)-自定义基数的对数factorial(n)-保理absolute_value(a)-绝对值
三角函数
sin(a)-正弦（弧度）cos(a)-余弦（弧度）tan(a)-切线（弧度）degrees_to_radians(degrees)-将度数转换为弧度radians_to_degrees(radians)-将弧度转换为度数
🚀 快速开始
1.设置环境
# Run setup script
python setup.py
# Or manual installation
pip install -e .2.配置环境变量
编辑 .env 文件：
# Preferred: Groq API Key (fast and efficient)
GROQ_API_KEY=your_groq_api_key_here
# Fallback: OpenAI API Key
OPENAI_API_KEY=your_openai_api_key_here3.启动MCP服务器
# Terminal 1: Start the MCP server
python main.py4.运行Math Agent
# Terminal 2: Run the interactive agent
python math_agent.py
# Or run examples
python examples.py💡 使用示例
交互模式
📝 Enter your math problem: What is 25 + 17?
🤔 Thinking...
✅ Solution:
I'll help you add 25 and 17 using the external addition tool.
Let me use the 'add' tool to calculate this:
- Adding 25 + 17 = 42
The answer is 42.复杂问题
📝 Enter your math problem: Calculate the area of a circle with radius 5
🤔 Thinking...
✅ Solution:
I'll calculate the area of a circle with radius 5 using the formula A = π × r².
Step 1: Calculate r² (radius squared)
Using the 'power' tool: 5² = 25
Step 2: Calculate π × r²
Using the 'multiply' tool: 3.14159 × 25 = 78.54
The area of the circle is approximately 78.54 square units.🔍 监控和日志记录
该代理包括基本的日志记录功能：
操作日志
- 执行的数学运算
- 执行时间跟踪
- 误差监控
- 基本性能见解
安装日志记录
该代理使用Python的标准日志模块来监控操作和调试。默认情况下，所有日志都会输出到控制台。
📁 项目结构
MathAgent/
├── main.py # MCP Server with math tools
├── math_agent.py # Main Math Agent implementation
├── examples.py # Example usage and demonstrations
├── setup.py # Environment setup script
├── logfire_config.py # Logfire monitoring configuration
├── pyproject.toml # Project dependencies
├── README.md # This file
├── .env # Environment variables (create from template)
└── logs/ # Log files directory🔧 高级配置
自定义模型选择
# Use different Groq models (recommended)
agent = MathAgent(model_name="llama3-8b-8192") # Fast and efficient
agent = MathAgent(model_name="llama3-70b-8192") # More capable
agent = MathAgent(model_name="mixtral-8x7b-32768") # Alternative option
# OpenAI models (fallback)
agent = MathAgent(model_name="gpt-3.5-turbo") # If using OpenAI自定义MCP服务器路径
# Use custom MCP server
await agent.setup_mcp_client("/path/to/custom/server.py")🚨 主要特点
1. 无内部LLM计算
该代理的设计有严格的规则，以防止LLM在内部执行任何数学计算。所有数学运算都必须使用外部工具。
2. 分步解决方案
复杂的问题被分解为更小的步骤，每个步骤都使用适当的工具，使解决方案过程透明且具有教育意义。
3. 错误处理
针对除零、负平方根等边缘情况的稳健错误处理。
4. 性能监控
全面的日志记录和监控，以跟踪性能并优化令牌使用。
5. 教育重点
专为帮助学生理解数学问题解决过程而设计。
🧪 测试
运行测试示例：
python examples.py测试特定场景：
from math_agent import MathAgent
async def test_agent():
agent = MathAgent()
await agent.setup_mcp_client()
agent.create_agent()
result = await agent.solve_math_problem("What is 15 × 23?")
print(result)🤝 贡献
- 分叉存储库
- 创建要素分支
- 添加新的数学工具
main.py - 更新文档
- 提交拉取请求
📋 全部
- \[\]添加更高级的数学函数
- \[\]实现图形绘制功能
- \[\]添加对符号数学的支持
- \[\]创建web界面
- \[\]添加单元测试
- \[\]性能基准测试
🆘 故障排除
常见问题
- MCP连接失败
- 确保 main.py 正在运行 - 检查文件路径是否正确 - 验证Python环境
- API关键问题
- 集 GROQ_API_KEY 在……里面 .env 文件（推荐） - 或设置 OPENAI_API_KEY 作为后备 - 检查API密钥的有效性
- 导入错误
- 跑 python setup.py - 检查Python版本（3.8+） - 验证已安装的所有依赖项
📄 许可证
这个项目是为了教育目的而创建的。请尊重OpenAI和Groq的使用政策和服务条款。
git clone https://github.com/ArjunKrish7356/MathAgent.git- 在代理代码中创建MCP服务器包装器（
name可以是任何唯一的id；args是用于启动服务器进程的命令）：
from pydantic_ai.mcp import MCPServerStdio
mcp_server = MCPServerStdio(
'uv'
args=[
"run",
"MathAgent/main.py"
]
)- 向您的代理注册MCP服务器：
from pydantic_ai import Agent
agent = Agent(model="openai:gpt-4o", toolsets=[mcp_server])笔记：
- 确保
MathAgent/main.py路径相对于代理运行的位置是正确的，并且脚本是可运行的。 - Stdio传输将使用提供的
args；在启动之前，请验证是否安装了任何所需的环境或依赖项。 - 部署前在本地测试连接。
更多资源
- MCP官方文件：https://modelcontextprotocol.io/docs/getting-started/intro
- MCP介绍视频：https://www.youtube.com/watch?v=N3vHJcHBSw
贡献
感谢您的关注！欢迎投稿——欢迎打开问题或提交pull请求。