使用LangChain和LangGraph的MCP演示
这个项目展示了如何整合 LangChain， LangGraph，以及 MCP（模型上下文协议） 配备自定义的数学和天气服务器。\ 它创建了一个简单的代理，该代理能够通过MCP工具执行数学计算并获取天气信息，运行于（此处根据上下文，可补充具体的运行环境或技术，但原文未给出，故保留原样）： Groq的大语言模型（LLMs）。
______________________________________________________________________
📂 项目结构
.
├── client.py # Main async client using LangChain + MCP + Groq
├── main.py # Entry point (prints Hello world)
├── mathserver.py # MCP math server with add/multiply tools
├── weather.py # MCP weather server (HTTP transport)
├── pyproject.toml # Project metadata and dependencies
├── requirements.txt # Minimal requirements file
├── uv.lock # Lock file for dependencies
├── .gitignore
├── .python-version______________________________________________________________________
🚀 特性
- MCP 服务器
- 带有（功能的）数学服务器 add(a, b) 和 multiply(a, b) 工具。 - 带有（功能/服务的）天气服务器 get_weather(location) 工具。
- LangChain + LangGraph 代理
- 用途 create_react_agent 动态选择并调用MCP工具。
- Groq 集成
- 由……提供动力/支持 ChatGroq （qwen/qwen3-32b 用于推理和编排的模型。
______________________________________________________________________
🛠️ 安装
1. 克隆仓库
git clone https://github.com/your-username/mcpdemolangchain.git
cd mcpdemolangchain2. 创建虚拟环境（Python 3.13+）
python -m venv .venv
.venv\Scripts\activate # On Windows3. 安装依赖项
pip install -r requirements.txt或者，如果使用 uv:
uv sync______________________________________________________________________
⚙️ 配置
设定你的 Groq API密钥 在……里 .env 文件：
GROQ_API_KEY=your_api_key_here______________________________________________________________________
▶️ 使用方法
1. 启动数学服务器
python mathserver.py2. 启动天气服务器
python weather.py3. 运行客户端
python client.py预期输出：
Math response: 96
Weather response: Its always raining in california______________________________________________________________________
📦 依赖项
______________________________________________________________________
🧪 示例查询
代理可以回答：
- 数学：\
*用户*“(3 + 5) × 12 等于多少？” → *回应*: 96
- 天气：\
*用户*“加利福尼亚的天气怎么样？” *回应*： "Its always raining in california"
______________________________________________________________________
📜 许可证
麻省理工学院（MIT）许可证。详见 许可证 详情请参阅。