Eli Lily POC使用A2A和MCP
此README文档描述了您需要了解的有关此项目的所有信息-事件管理系统 下面是从1到6的流程：
流动
- 此应用程序包含3个LLM驱动的AI代理（主机、硬件、软件）、一个MCP服务器和一个客户端
- 客户端（最终用户）将用户票证路由到主机代理（通过A2A），然后从主机代理将票证路由到硬件或软件代理（再次通过A2A
- 硬件和软件代理服务器充当MCP客户端，并连接到MCP服务器以处理工单：向MCP服务器建议正确的工单工具
- MCP服务器使用建议的工具处理票证，并向硬件/软件代理返回响应
- 硬件/软件代理向Host Agent返回响应
- Host Agent向客户端（最终用户）返回响应
图-上面的流程可以用下面的架构来表示
┌──────────────┐ → ┌────────────────────────┐ → ┌────────────────┐ → → ┌──────────────┐ │ 终端用户│ │ 主机代理服务器│ │ 硬件代理│ │ MCP服务器│ │ （客户端.py）│ │ （9000）\[编排员\]│ │ (9999) │ │ (3000) │ └──────────────┘ └────────────────────────┘ └────────────────┘ └──────────────┘ → ┌────────────────┐ → → ┌──────────────┐ │ 软件代理│ │ MCP服务器│\ │ (9998) │ │ (3000) │ └────────────────┘ └──────────────┘
技术栈
法学硕士-OpenAI 人工智能代理-Python+a2a-sdk MCP服务器-Node.js+Express 工具-MockAPI.io
设置和部署
先决条件
在本地运行应用程序之前，请确保已安装以下内容：
- 紫外线： 本项目中使用的Python包管理工具。遵循安装指南： https://docs.astral.sh/uv/getting-started/installation/
- python 3.13 运行a2a-sdk需要Python 3.13
按照以下步骤运行应用程序~
在a2a_simple中运行步骤1、2和4
在a2a_simple之外运行步骤3
1.安装依赖项
这将在 .venv 目录并安装所需的软件包。
uv venv
source .venv/bin/activate在host_agent_executor和mcp_llm_runner中提供OPENAI API密钥
2.运行代理
为以下3个AI代理中的每一个打开一个终端，并在相应的终端中运行服务器给定的命令
使用以下命令运行硬件代理
uv运行hardware_server.py
代理将在上运行 http://localhost:9999.
使用以下命令运行软件代理
uv运行软件server.py
代理将在上运行 http://localhost:9998.
使用以下命令运行host agent
uv运行host_server.py
代理将在上运行 http://localhost:9000.
3.运行MCP服务器
创建.env文件并粘贴以下env值。提供OPENAI API密钥
端口=4000 MCP_SERVER_URL=http://localhost:3000 OPENAI_API_KEY=“” 软件\_ TICKET_API=https://69411fe3686bc3ca8165b797.mockapi.io/incidents 硬件\_ TICKET_API=https://69411fe3686bc3ca8165b797.mockapi.io/incidentsP
导航到服务器所在的路径并在下面运行-
npm 安装 node-server.js
4.运行客户端
打开一个新终端并运行测试客户端：
uv run --active client.py您将在终端输出中看到客户端与host agent交互。 关注您的个人终端，了解每个服务器如何与其他服务器交互