关键词

AI工具上下文服务LangChainAzure AI工具调用

该仓库展示了一个名为Agentic Framework的框架实现，其中包含通过Model Context Protocol (MCP) 集成的MCP服务器组件。这个MCP服务器的核心功能是聚合并暴露多种AI能力，作为工具供兼容的LLM客户端调用，从而为LLM应用提供丰富的上下文和功能扩展。

主要功能点

这个MCP服务器通过MCP协议暴露了多种AI工具（Agent）的能力，包括但不限于：

  • 获取天气信息: 提供指定地点的当前天气状况。
  • 查询航班状态: 根据航班号获取实时航班信息。
  • 货币兑换: 提供不同货币之间的汇率转换（通过调用另一个A2A服务实现）。
  • 模型评估: 提供对LLM模型响应（如Groundedness, Relevance等）的评估能力。
  • 执行量子计算任务: 允许提交和执行简单的量子处理单元(QPU)任务。
  • 其他能力: 框架中还包含了RAG、SQL、多模态、可视化、代码生成、图片生成、网页搜索等多种Agent，其中部分或全部能力可能通过MCP服务器对外暴露（'mcpserver.py'中明确暴露了天气、航班、货币兑换、评估、量子计算工具）。

安装步骤

  1. 克隆仓库: 
    git clone https://github.com/chinu333/ragpython.git
cd ragpython
  2. 配置环境变量: 在项目根目录创建 'secrets.env' 文件，并根据需要填入各种服务的API密钥和连接信息（例如 Azure OpenAI, Azure AI Search, Azure Maps, AviationStack, TomTom Maps, Neo4j, Cosmos DB, Azure Quantum 等）。具体的变量名和格式请参考代码中的 '.getenv()' 调用。
  3. 安装Python环境: 确保安装了Python 3.10。
  4. 安装依赖: 
    pip install -r requirements.txt
  5. （可选）数据摄取: 如果需要使用RAG或Graph RAG功能，可能需要运行数据摄取脚本。 
    python ingestion.py
# 或其他相关数据准备脚本
  6. 启动A2A Server（如果需要货币兑换等通过A2A暴露的能力）: 货币兑换工具依赖于仓库中的A2A服务器组件。 
    python -m a2aserver --host 127.0.0.1 --port 3432
    并在 'secrets.env' 中配置 'A2A_SERVER_URL' 指向其地址（例如 'http://127.0.0.1:3432/'）。

服务器配置（供MCP客户端参考）

MCP服务器作为独立进程运行，并通过标准I/O与MCP客户端通信（Stdio传输协议）。MCP客户端需要知道如何启动这个服务器进程并与之建立连接。典型的MCP客户端配置需要包含以下信息，用于指示客户端如何启动和连接到该服务器：

  • 服务器名称: 'MCPServer'
  • 启动命令 (command): 用于执行Python脚本的命令，通常是 'python'。
  • 命令参数 (args): 启动MCP服务器脚本的路径，相对于客户端执行命令的位置。例如，如果客户端在'ragpython'根目录执行，则参数为 './mcputils/mcpserver.py'。
  • 传输协议 (transport): Stdio

客户端通过配置这些参数，可以在需要时自动启动 './mcputils/mcpserver.py' 进程，并通过标准I/O进行MCP协议的JSON-RPC通信。

基本使用方法

  1. 启动MCP服务器: 直接运行 'python ./mcputils/mcpserver.py' 命令启动服务器。服务器会监听标准输入和标准输出。
  2. 连接MCP客户端: 使用支持MCP协议的客户端（例如 MCP Inspector 或其他兼容库），配置上述服务器信息（名称、命令、参数、Stdio传输协议）连接到服务器进程。
  3. 发现工具: 客户端连接成功后，可以通过MCP协议请求服务器声明其能力（例如，调用 'mcp/listTools' JSON-RPC方法）。
  4. 调用工具: 客户端可以根据发现的工具信息，构造相应的JSON-RPC请求（例如调用 'get_weather_info' 方法并传递 'location' 参数），发送给服务器执行。服务器将执行对应的Python函数，并将结果通过JSON-RPC响应返回给客户端。

信息

分类

AI与计算

访问项目