集成MCP的AI驱动涂料自动化
🎯 项目概述
这个项目展示了一个结合了……的人工智能系统 大型语言模型（LLM）决策 与……一起；带有；用……（表示伴随或使用） MCP（模型上下文协议） 用于自动化MS Paint操作的工具。该系统展示了人工智能如何能够：
- 将文本转换为ASCII值 使用大型语言模型（LLM）进行推理
- 执行指数计算 通过MCP工具
- 自动化MS Paint（微软画图） 创建视觉表示
- 显示完整的大型语言模型（LLM）决策日志 在整个过程中
🏗️ 系统架构
感知层
- 从用户查询中提取事实，例如“印度计算器ASCII”
- 确定所需操作：ASCII转换 + 指数计算
决策层
- LLM（Gemini 2.0）计划通过迭代推理来执行
- 基于可用的MCP工具做出调用工具的决策
- 显示详细的决策日志以确保透明度
动作层
- MCP工具执行数学计算
- 油漆自动化创建视觉表示
- 文件保存时附带时间戳以作记录
📁 项目结构
MyProj_Asgn_4/
├── talk2mcp.py # Main LLM client with MCP integration
├── example_mcp_server.py # MCP server with mathematical tools
├── find_rectangle_with_keyboard.py # Paint automation script
├── main.py # Entry point
├── requirements.txt # Dependencies
├── .env.example # Environment variables template
└── README.md # This documentation🚀 使用方法
先决条件
# Install dependencies
pip install -r requirements.txt
# Set up environment variables
cp .env.example .env
# Add your GEMINI_API_KEY to .env file运行系统
# Start the MCP server (in one terminal)
python example_mcp_server.py
# Run the LLM client (in another terminal)
python talk2mcp.py示例查询
Query: "India calculator ascii"预期流量：
- 大语言模型提取事实：将“INDIA”转换为ASCII码并进行指数计算
- MCP 工具执行：
strings_to_chars_to_int("INDIA")→[73, 78, 68, 73, 65] - MCP工具执行：
int_list_to_exponential_sum([73, 78, 68, 73, 65]) - 画图自动化：打开画图程序 → 绘制矩形 → 插入结果文本
- 保存带有时间戳的文件
📊 大型语言模型（LLM）决策日志记录
该系统提供了对大型语言模型（LLM）决策过程的全面记录：
=== LLM DECISION LOG ===
Query: Find the ASCII values of characters in INDIA and then return sum of exponentials of those values.
Iteration 1:
FUNCTION_CALL: strings_to_chars_to_int|INDIA
Result: [73, 78, 68, 73, 65]
Iteration 2:
FUNCTION_CALL: int_list_to_exponential_sum|[73, 78, 68, 73, 65]
Result: 1.234567e+12
FINAL_ANSWER: [1.234567e+12]
=== PAINT AUTOMATION ===
Opening MS Paint...
Drawing rectangle...
Inserting text: "INDIA ASCII: [73, 78, 68, 73, 65]\nExponential Sum: 1.234567e+12"
Saving file: my_paint_1225241430.png
=== COMPLETE ===🛠️ 主要功能
- ✅ 翻译成中文是：对，正确。 基于大型语言模型（LLM）的决策制定 配备Gemini 2.0
- ✅ MCP工具集成 用于数学运算
- ✅ 涂料自动化 带有矩形绘制和文本插入功能
- ✅ 全面记录（或详尽记录） 人工智能决策过程
- ✅ 文件保存 带有时间戳
- ✅ 迭代问题解决 使用工具调用
🔧 技术细节
可用的MCP工具：
strings_to_chars_to_int(string)- 将文本转换为ASCII值int_list_to_exponential_sum(list)- 计算指数和string_to_exponential_sum(text)- 完整的计算功能open_paint()- 打开MS画图（或：打开Windows自带的画图程序）draw_rectangle(x1, y1, x2, y2)- 在画图中绘制矩形insert_text(text, x, y, font_size)- 在画图软件中插入文本save_paint_file()- 保存带有时间戳的文件
大型语言模型（LLM）集成：
- 使用Google Gemini 2.0闪电模型
- 实现迭代工具调用
- 提供详细的决策日志
- 处理超时和错误场景
📈 作业演示
这个项目展示了：
- AI感知大型语言模型（LLM）如何从自然语言中提取事实
- AI决策大型语言模型（LLM）如何利用可用工具规划执行
- AI行动MCP工具如何执行计划的操作
- 透明度全面记录人工智能决策过程
🤝 贡献（或：参与贡献）
这是一个教育项目，展示了AI与MCP集成在涂料自动化中的应用。
📄 许可证
仅限教育用途。
______________________________________________________________________
作者拉吉·哈里特\ GitHub: @raj-harit-v2（这个标签或用户名在中文中通常保持不变，因为它是一个特定的网络标识或用户名，直接翻译没有实际意义，所以这里仅做说明性翻译）\ 项目MyProj_Asgn_4 - 基于人工智能的绘画自动化