Math Routing Agent Agentic RAG With MCP

使用RAG和MCP的数学代理

一种智能数学问题解决代理，使用检索增强生成（RAG）和模型上下文协议（MCP）提供逐步解决方案并进行验证。

特性

• 🔍 智能检索：基于FAISS的相关数学上下文语义搜索
• 🔄 交叉注意力重新排序：使用交叉编码器改进上下文选择
• ✍️ LaTeX格式：解决方案中的优美数学表达式
• ✅ 符号验证：使用SymPy验证数学正确性
• 🔒 AI网关：输入/输出验证和安全检查
• 📝 MCP集成：完整的来源追踪和思维链记录
• 🎯 信心评分：需要时自动标记以供人工审查

安装

1. 克隆存储库
2. 创建虚拟环境：

python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

1. 安装依赖项：

pip install -r requirements.txt

用法

命令行接口

使用CLI求解方程式：

python -m src.main solve "2x + 3 = 11"

为更详细的日志启用调试模式：

python -m src.main solve "x/2 + 4 = 7" --debug

Python API

from src.pipeline.enhanced_pipeline import EnhancedPipeline

# Initialize the pipeline
pipeline = EnhancedPipeline()

# Solve a math problem
result = pipeline.process_question("Solve: 3x - 6 = 9")

# Access the solution
steps = result["solution"]["steps"]
final_answer = result["solution"]["final_answer"]
confidence = result["solution"]["confidence"]

预热型号（可选）

如果您想在启动服务器之前预下载模型权重并初始化模型（建议用于稳定的首次请求），请运行预热脚本：

python scripts\warmup_models.py

或者用背景预热线程启动UI：

$env:PRELOAD_MODELS='1'; python src\ui\app.py

建筑

组件

1. AI网关 (src/gateway/ai_gateway.py)

- 输入净化 - 个人身份信息检测 - 输出验证 - LaTeX格式强制

1. 检索器 (src/retriever/retriever.py)

- FAISS矢量存储集成 - 语义相似度搜索 - 批量检索支持

1. 重排序器 (src/reranker/reranker.py)

- 交叉注意力评分 - 上下文相关性改进 - Top-k选择

1. 发电机 (src/generator/enhanced_generator.py)

- 逐步生成解决方案 - LaTeX格式化 - 信心评分

1. 符号验证器 (src/verification/symbolic_verifier.py)

- 基于SymPy的方程验证 - 步骤验证 - 解决方案正确性检查

MCP实施

模型上下文协议（MCP）提供：

• 组件之间的消息跟踪
• 来源记录
• 思维碎片链
• 人工审查的证据标志

测试

运行测试套件：

python -m unittest discover tests

关于覆盖率报告：

pytest --cov=src tests/

局限性

1. 目前支持：

- 线性方程 - 基本代数运算 - 单变量方程

1. 已知限制：

- 尚不支持方程组 - 复数处理有限 - 方程式无图形输出

未来改进

1. 交互式求解的Web界面
2. 对方程组的支持
3. 与计算机代数系统集成
4. 增强的解释生成
5. 学生技能水平适应

贡献

1. 分叉存储库
2. 创建要素分支
3. 提交拉取请求

许可证

MIT许可证-有关详细信息，请参阅许可证文件