MCP Multi Agent Travel Planner

基于MCP的多智能体出行计划系统

一个完整的、可用于生产的Python项目，演示了使用模型上下文协议（MCP）的多代理AI系统。该系统协调两个专业代理，使用定制的MCP服务器和OpenAI的GPT-4来规划和验证行程。

🎯 系统架构

┌─────────────────┐
│   User Request  │
└────────┬────────┘
         │
         ▼
┌─────────────────────────────────┐
│      Orchestrator               │
│  (Coordinates both agents)      │
└────────┬───────────────┬────────┘
         │               │
         ▼               ▼
┌────────────────┐   ┌──────────────────┐
│ PlannerAgent   │   │  BudgetAgent     │
│ (OpenAI SDK)   │   │  (OpenAI SDK)    │
└────────┬───────┘   └────────┬─────────┘
         │                    │
         ▼                    ▼
┌─────────────────┐   ┌──────────────────┐
│ Planner MCP     │   │  Budget MCP      │
│ Server          │   │  Server          │
│ - search_hotels │   │ - calculate_cost │
│ - search_flights│   │ - get_exchange_  │
│ - search_places │   │   rates          │
└─────────────────┘   └──────────────────┘

📁 项目结构

agentic_ai/
│
├── mcp-servers/
│   ├── planner-server/
│   │   ├── server.py                 # MCP server for planning tools
│   │   ├── tools/
│   │   │   ├── search_hotels.py      # Hotel search tool
│   │   │   ├── search_flights.py     # Flight search tool
│   │   │   └── search_places.py      # Places/attractions tool
│   │   └── requirements.txt
│   │
│   └── budget-server/
│       ├── server.py                 # MCP server for budget tools
│       ├── tools/
│       │   ├── calculate_cost.py     # Cost calculation tool
│       │   └── get_exchange_rates.py # Currency exchange tool
│       └── requirements.txt
│
├── agents/
│   ├── planner_agent.py              # Agent that creates itineraries
│   └── budget_agent.py               # Agent that validates budgets
│
├── orchestrator.py                   # Main entry point
├── requirements.txt                  # Root dependencies
└── README.md                         # This file

🚀 特性

MCP服务器

计划服务器 -展示行程规划工具：

• search_hotels(location, max_price) -查找预算内的酒店
• search_flights(source, destination, date) -搜索航班
• search_places(city) -探索旅游景点

预算服务器 -展示预算管理工具：

• calculate_cost(itinerary_json) -计算总行程成本
• get_exchange_rates(target_currency) -获取货币兑换率

AI代理

规划师代理人:

• 连接到Planner MCP服务器
• 使用OpenAI GPT-4进行函数调用
• 动态调用MCP工具搜索航班、酒店和景点
• 以JSON格式生成全面的行程

预算代理:

• 连接到Budget MCP服务器
• 使用OpenAI GPT-4进行函数调用
• 使用MCP工具计算总成本
• 根据用户预算进行验证
• 如果超出预算，建议进行修改

编排器

• 协调整个工作流程
• 将用户请求路由到PlannerAgent
• 将行程传递给BudgetAgent进行验证
• 返回最终批准或修改的行程

📋 先决条件

• Python 3.10或更高版本
• OpenAI API密钥
• macOS、Linux或Windows与WSL

🛠️ 安装

1.克隆或导航到项目目录

cd /Users/iddyasaksharajesh/Desktop/agentic_ai

2.创建虚拟环境（推荐）

python -m venv venv
source venv/bin/activate  # On macOS/Linux
# or
# venv\Scripts\activate  # On Windows

3.安装依赖项

安装根依赖项：

pip install -r requirements.txt

安装MCP服务器依赖项：

# Planner server
cd mcp-servers/planner-server
pip install -r requirements.txt
cd ../..

# Budget server
cd mcp-servers/budget-server
pip install -r requirements.txt
cd ../..

#运行脚本：

1. 导出USE_OLLAMA=true
2. python3管弦乐器.py

交互菜单

编排器提供了一个交互式菜单，其中包含示例行程请求：

🌍 MULTI-AGENT TRIP PLANNING SYSTEM
================================================================================

Example trip requests:

1. Plan a 3-day trip to Paris from New York, departing on 2025-12-15. 
   I want to visit the Eiffel Tower and Louvre Museum.
   Budget: $2000

2. I want to go to Tokyo from New York for 5 days starting 2025-12-20. 
   Show me hotels under $200/night.
   Budget: $3000

3. Plan a weekend trip to London from New York, December 10-12, 2025. 
   Budget friendly options please.
   Budget: $1500

4. Enter custom request

Select an option (1-4):

自定义请求示例

Select an option (1-4): 4
Enter your trip request: Plan a 4-day trip to Tokyo from Paris in January 2026
Enter your budget (USD): 3500

🔍 运作原理

第一步：规划阶段

这 PlannerAgent:

1. 接收用户的出行请求
2. 连接到Planner MCP服务器
3. 使用GPT-4和函数调用：

- 提取目的地、日期和要求 - 呼叫 search_flights 查找航班 - 呼叫 search_hotels 寻找住宿 - 呼叫 search_places 发现景点

1. 以JSON格式编译全面的行程

步骤2：预算验证阶段

这 BudgetAgent:

1. 接收行程和用户预算
2. 连接到Budget MCP服务器
3. 使用GPT-4和函数调用：

- 呼叫 calculate_cost 计算总费用 - 与用户预算进行比较 - 可选呼叫 get_exchange_rates 用于货币兑换

1. 返回批准或建议修改

步骤3：最终输出

编排者：

• 显示完整的已验证行程
• 显示预算明细
• 将结果保存到 trip_result.json

📊 输出示例

{
  "request": "Plan a 3-day trip to Paris from New York, departing on 2025-12-15.",
  "budget": 2000,
  "approved": true,
  "total_cost": 1892,
  "difference": 108,
  "message": "Your trip is approved! Total cost is within budget.",
  "itinerary": {
    "destination": "Paris",
    "start_date": "2025-12-15",
    "end_date": "2025-12-18",
    "flights": [
      {
        "airline": "United",
        "source": "New York",
        "destination": "Paris",
        "price": 780,
        "duration": "8h 00m",
        "date": "2025-12-15"
      }
    ],
    "hotels": [
      {
        "name": "Cozy Inn",
        "location": "Paris",
        "price_per_night": 120,
        "rating": 4.0,
        "nights": 3
      }
    ],
    "activities": [
      {
        "name": "Eiffel Tower",
        "type": "Landmark",
        "description": "Iconic iron tower with city views",
        "entry_fee": 25
      },
      {
        "name": "Louvre Museum",
        "type": "Museum",
        "description": "World's largest art museum",
        "entry_fee": 17
      }
    ],
    "currency": "USD"
  }
}

🧪 测试单个组件

测试计划器MCP服务器

cd mcp-servers/planner-server
python server.py

服务器通过stdio运行并等待MCP协议消息。

测试预算MCP服务器

cd mcp-servers/budget-server
python server.py

独立测试计划代理

cd agents
python planner_agent.py

独立测试BudgetAgent

cd agents
python budget_agent.py

🔧 配置

更改MCP服务器路径

在 orchestrator.py，如果需要，请更新路径：

planner_server_path = self.base_path / "mcp-servers/planner-server/server.py"
budget_server_path = self.base_path / "mcp-servers/budget-server/server.py"

在OpenAI和Anthropic之间切换

使用Anthropic的Claude：

1. 安装Anthropic SDK：

pip install anthropic

1. 将代理中的OpenAI客户端替换为Anthropic客户端
2. 将模型名称更新为Claude（例如。， claude-3-5-sonnet-20241022)
3. 调整工具调用格式以匹配Anthropic的API

添加更多工具

要向MCP服务器添加新工具，请执行以下操作：

1. 在中创建一个新的Python文件 tools/ 目录
2. 执行工具功能
3. 导入并注册 server.py
4. 更新 list_tools() 处理器
5. 添加工具调用 call_tool() 处理器

📝 技术细节

MCP协议

本项目使用官方Python MCP SDK(mcp>=0.9.0)其实现了：

• 服务器端工具注册
• 通信标准传输
• 工具调用协议
• JSON-RPC消息传递

代理体系结构

两个代理都遵循这种模式：

1. 连接 通过stdio传输到MCP服务器
2. 列表 服务器上的可用工具
3. 转换 将MCP工具模式转换为OpenAI函数格式
4. 执行 与GPT-4的对话循环
5. 呼叫 基于LLM决策的MCP工具动态
6. 解析 结果并继续对话
7. 提取 最终结构化输出（JSON）
8. 断开 来自MCP服务器

异步/等待

整个系统使用Python asyncio 用于：

• 无阻塞MCP服务器通信
• 并行工具执行
• 高效的资源管理

🐛 故障排除

“OPENAI_API_KEY未设置”错误

确保已导出环境变量：

export OPENAI_API_KEY='your-key-here'
echo $OPENAI_API_KEY  # Verify it's set

MCP连接错误

检查：

• Python可以在PATH中访问
• 服务器路径正确
• 所有依赖项均已安装

导入错误

运行时请确保您位于项目根目录中：

cd /Users/iddyasaksharajesh/Desktop/agentic_ai
python orchestrator.py

速率限制

如果你达到了OpenAI的速率限制：

• 在请求之间等待几分钟
• 考虑升级你的OpenAI计划
• 减少提示中的工具调用次数

🎓 学习资源

• 模型上下文协议文档
• OpenAI函数调用指南
• Python异步IO教程

📄 许可证

本项目按原样提供，用于教育目的。

🤝 贡献

欢迎通过以下方式扩展此项目：

• 添加更多MCP工具（天气、地图、预订）
• 实施更多代理（翻译、审查分析）
• 支持其他法学硕士提供者（Anthropic、谷歌）
• 添加web界面（FastAPI、Streamlit）

📧 支持

有关问题或疑问，请查看：

1. 此自述文件
2. MCP文件
3. OpenAI API文档

______________________________________________________________________

内置：

• Python 3.10+
• 模型上下文协议（MCP）
• OpenAI GPT-4
• 异步

快乐的旅行计划！ ✈️🌍