mmt flight MCP

多智能体航班搜索系统

该项目使用LangGraph实现了一个多代理系统，用于协调专门的代理来执行搜索航班、提供天气预报和执行计算等任务。

特性

• 航班搜索： 在MakeMyTrip上搜索航班。
• 天气预报： 获取给定位置的天气预报。
• 数学计算： 进行基本的数学计算。
• 多代理编排： 使用主管代理将任务委派给适当的专业代理。

建筑

该系统使用以下组件构建：

• LangGraph ： 一个用于使用LLM构建有状态的多代理应用程序的库。
• 主管代理人： 一个中央代理，负责管理工作流，并根据用户的查询将任务委托给其他代理。
• 专业代理：

- FlightSearchAgent：与航班搜索工具交互。 - WeatherAgent：与天气工具交互。 - MathAgent：与数学工具交互。

• MCP工具服务器： 每个专用代理都与相应的MCP（模型客户端协议）服务器通信，该服务器公开了该代理域的工具。这些服务器作为单独的进程运行。

如何跑步

先决条件

• Python 3.10+
• 一个OpenAI API密钥

1.设置环境

1. 克隆存储库：

   git clone 
   cd 

1. 创建虚拟环境：

   python -m venv venv
   source venv/bin/activate

1. 安装依赖项：

   pip install -r requirements.txt

*注： mcp 这个项目中使用了库。如果您有此依赖关系的问题，您可能需要从自定义源安装它。*

1. 创建 .env 文件 在根目录中，并添加您的OpenAI API密钥：

   OPENAI_API_KEY="your-openai-api-key"

2.运行工具服务器

打开三个单独的终端窗口，运行以下命令，每个终端一个：

• 数学服务器：

  python mcp_tool/math_server.py

• 天气服务器：

  python mcp_tool/weather_server.py

• 航班搜索服务器：

  python mcp_tool/flight_search_server.py

3.运行主应用程序

工具服务器运行后，打开一个新的终端并运行主应用程序：

python main.py

然后，应用程序将处理中定义的示例查询 main.py.

示例用法

您可以修改 queries 列入 main.py 向系统提出不同的问题：

if __name__ == "__main__":
    import asyncio
    
    async def main():
        # Example queries
        queries = [
            "What is 25 * 47 + 123 /4?",
            "What's the weather in New York?",
            # "Search for flights from LKO to IXL on 10/10/2024" # This requires the flight server
        ]
        
        for query in queries:
            await run_multi_agent_system(query)
            print("\n" + "="*60 + "\n")
    
    asyncio.run(main())