项目简介

AI虚拟助理平台是一个全面用于创建和管理AI虚拟助理的解决方案。它集成了检索增强生成（RAG）的知识库、可通过Model Context Protocol (MCP) 扩展的工具，并提供了安全防护和生产级别的可扩展性。

主要功能点

智能体管理: 创建和配置具备不同能力的AI智能体。
知识集成: 支持上传文档、构建可搜索知识库，实现RAG问答。
实时聊天: 提供流式对话体验，并保存会话历史记录。
工具生态: 内置多种工具，并支持通过MCP服务器集成自定义外部功能。
安全控制: 内置安全措施和内容过滤机制。

安装步骤

本地开发环境（Docker Compose）

导航到本地部署目录：'cd deploy/local'
使用Docker Compose启动所有服务：'make compose-up'
或分步启动：
- 启动数据库：'podman compose up -d' (或 'docker-compose up -d')
- 启动后端：'cd ../../backend && python -m venv venv && source venv/bin/activate && pip install -r requirements.txt && alembic upgrade head && uvicorn main:app --reload &'
- 启动前端：'cd ../frontend && npm install && npm run dev'
访问应用：前端 'http://localhost:5173'，API 'http://localhost:8000'，API文档 'http://localhost:8000/docs'。

集群部署（Kubernetes/OpenShift）

导航到集群部署目录：'cd deploy/cluster'
通过交互式提示安装：'make install NAMESPACE=your-namespace'
或设置环境变量后安装：'export NAMESPACE=ai-virtual-agent && export HF_TOKEN=your-huggingface-token && make install'
详细安装指南请参考仓库中的 'INSTALLING.md'。

MCP服务器启动示例（作为平台工具的一部分）

该平台集成了多种MCP服务器作为其工具生态的一部分。以下是两个典型的MCP服务器示例及其启动方式：

Web商店MCP服务器:
- 这个MCP服务器充当Web商店API的适配器，将其功能（如商品查询、添加、订单处理）暴露为LLM可调用的工具。
- 启动前，请确保 'STORE_SERVER_URL' 环境变量已配置为Web商店API后端地址（例如：'http://localhost:8001'，这个Web商店API由 'mcpservers/mcp_webstore/store/main.py' 提供）。
- 启动命令：在项目根目录执行 'python mcpservers/mcp_webstore/webstore.py'。默认将在端口 '8001' 启动，使用SSE传输协议。
数据库直连MCP服务器:
- 这个MCP服务器直接与数据库交互，提供商品管理和订单处理功能。
- 启动前，请确保 'DATABASE_URL' 环境变量已配置正确的PostgreSQL数据库连接信息（例如：'postgresql+asyncpg://myuser:[email protected]:5432/store_db'）。
- 启动命令：在项目根目录执行 'python mcpservers/mcp_dbstore/store.py'。默认将在端口 '8002' 启动，使用SSE传输协议。

服务器配置示例（供MCP客户端连接用）

为了让MCP客户端能够与上述MCP服务器建立连接，需要提供以下配置信息：

Web商店MCP服务器配置:

{
  "server_name": "WebStoreMCP",
  "description": "一个提供商品查询、添加、移除和订单处理功能的MCP服务器，通过调用外部Web商店API实现。",
  "command": "python",
  "args": ["mcpservers/mcp_webstore/webstore.py"],
  "transport": "sse",
  "port": 8001
}

数据库直连MCP服务器配置:

{
  "server_name": "DBStoreMCP",
  "description": "一个直接访问数据库，提供商品管理和订单处理功能的MCP服务器。",
  "command": "python",
  "args": ["mcpservers/mcp_dbstore/store.py"],
  "transport": "sse",
  "port": 8002
}

请注意：'command' 中的脚本路径和 'port' 需要根据您的实际部署环境和启动命令进行调整。如果通过Docker容器部署，'command' 和 'args' 会有所不同，'port' 也可能是容器内部端口，需要进行端口映射。

基本使用方法

启动平台: 按照“本地开发环境”或“集群部署”步骤启动AI虚拟助理平台。
部署MCP服务器: 根据需要启动相应的MCP工具服务器（例如Web商店或数据库直连MCP服务器）。
创建智能体: 通过平台的前端用户界面（'http://localhost:5173'）创建和配置AI智能体。
集成工具: 在智能体配置中，将已启动的MCP服务器作为工具添加到智能体。平台会自动发现LlamaStack中注册的MCP工具组。
开始对话: 与配置好的智能体进行实时聊天，智能体将利用您集成的工具和知识库来执行任务并提供响应。

关键词