Smol Agent With MCP

SmolAgentWithMCP

概述

______________________________________________________________________

用例

该项目非常适合希望：

• 将多个工具服务器（例如Brave Search、自定义MCP爬虫）集成到单个AI代理中。
• 使对话式AI代理能够使用外部工具来增强应答能力。
• 以最少的设置原型化和部署高级AI工作流程。
• 使用MCP协议使用自定义工具扩展代理。

示例场景：

• 使用实时网络搜索数据和自定义知识库回答查询的助手。
• 一个同时利用公共API和私有数据集/工具的研究代理。
• 一个自动化机器人，可以通过启用MCP的工具与外部服务进行交互。

______________________________________________________________________

特性

• 多工具编排： 连接到多个MCP工具服务器。
• 工具调用代理： 使用LLM来决定何时以及如何调用工具。
• 可通过以下方式配置 .env: 支持多个API密钥和环境设置。
• 异步工作流： 高效的异步工具管理。
• 可扩展： 轻松添加新的MCP工具或更改LLM模型。

______________________________________________________________________

项目结构

- smolagentwithmcp.py         # Main agent source code
- requirements.txt            # Python dependencies
- .env.example                # Example env file
- README.md                   # Project documentation

______________________________________________________________________

设置和安装

1. 克隆存储库：

   git clone https://github.com/ashishpatel26/SmolAgentWithMCP.git
   cd SmolAgentWithMCP

1. 安装依赖项：

   pip install -r requirements.txt

1. 配置环境变量：

- 复制 .env.example 向 .env 并填写您的API密钥。

   cp .env.example .env

1. 运行代理：

   python smolagentwithmcp.py

______________________________________________________________________

代码工作流程图

flowchart TD
    subgraph User Interaction
        U([User]) -->|Query| AGENT[SmolAgentWithMCP]
    end
    AGENT -->|Loads| MCP1[MCP Tool Server 1: Brave Search]
    AGENT -->|Loads| MCP2[MCP Tool Server 2: Custom]
    AGENT -->|Initializes| LLM[LiteLLM Model]
    U -->|Input| AGENT
    AGENT -->|Decides tool usage| TOOLCALL[ToolCallingAgent]
    TOOLCALL -->|Calls| MCP1
    TOOLCALL -->|Calls| MCP2
    MCP1 -->|Returns Data| TOOLCALL
    MCP2 -->|Returns Data| TOOLCALL
    TOOLCALL -->|Generates Answer| AGENT
    AGENT -->|Output| U

______________________________________________________________________

运作原理

1. 初始化： 加载MCP工具服务器（如Brave Search、自定义爬虫）并配置LLM。
2. 用户查询： 通过终端接受用户输入。
3. 工具编排： 确定查询需要调用哪些工具。
4. 执行： 调用工具，收集结果，并使用LLM生成最终响应。
5. 异步管理： 异步处理多个工具集合和步骤。
6. 输出： 以交互方式向用户返回答案。

______________________________________________________________________

配置

编辑 .env 设置API密钥：

BRAVE_API_KEY=your_brave_search_api_key
OPENAI_API_KEY=your_openai_api_key

______________________________________________________________________

需求

看 requirements.txt:

• smolagents
• python-dotenv
• mcp
• litellm

______________________________________________________________________

许可证

MIT许可证。看 许可证 了解详情。

______________________________________________________________________

贡献

欢迎投稿！请打开问题或PR以获取功能请求、错误修复或增强。

______________________________________________________________________

鸣谢

• 斯莫尔特工
• 文学硕士
• 模型上下文协议