本项目是'ai-agents-interoperability'仓库中实现Model Context Protocol (MCP) 服务器的部分，旨在为基于大语言模型 (LLM) 的智能体提供标准化的上下文信息和外部功能调用能力。

项目简介

AI Agent通用工具集MCP服务器是一个基于MCP协议构建的后端服务，负责托管和暴露一系列实用的工具，如网页搜索、天气查询和航班搜索。这些工具可以通过标准的JSON-RPC协议供兼容的LLM客户端（如LangChain、AutoGen等框架构建的Agent）发现和调用，从而增强Agent获取实时信息和执行外部任务的能力。

主要功能点

工具注册与管理： 托管并管理多种外部工具（当前包含网页搜索、天气查询、航班搜索）。
MCP协议通信： 通过JSON-RPC协议处理来自LLM客户端的请求。
多种传输支持： 支持通过标准输入输出 (Stdio) 和 Server-Sent Events (SSE) 等方式进行通信。
标准化接口： 为LLM客户端提供统一的方式来发现和调用工具，实现 Agent 与外部世界的交互。

安装步骤

克隆仓库：

git clone https://github.com/manojjahgirdar/ai-agents-interoperability.git
cd ai-agents-interoperability

安装 uv 包管理器（推荐）：

pip install pipx
pipx install uv

创建并激活虚拟环境：

uv venv
source .venv/bin/activate

安装项目依赖：
```
uv sync
```
配置环境变量：
- 复制示例环境变量文件：
```
cp env.example .env
```
- 编辑 '.env' 文件，填入必需的API密钥，例如 'TAVILY_API_KEY' 和 'SERP_API_KEY'，以便工具能够正常工作。

服务器配置（供MCP客户端参考）

MCP客户端需要知道如何连接到MCP服务器。对于此实现，典型的Stdio配置信息如下（注意：这是一个概念性的描述，实际客户端配置可能依赖具体库，但核心信息相同）：

{
  "server_name": "Utility Tools",
  "transport": "stdio",
  "command": "python",  // 启动服务器进程的命令
  "args": [
    "mcp_server.py"     // 启动服务器进程的脚本文件名
  ]
}

请注意：运行服务器前，需要先'cd src/mcp/mcp-server'进入包含'mcp_server.py'的目录。客户端通常会在启动时自动执行此命令并管理进程的Stdio。

对于SSE传输，客户端需要配置服务器的URL，例如：

{
  "server_name": "Utility Tools",
  "transport": "sse",
  "url": "http://localhost:8000/sse" // 服务器启动后监听的SSE URL
}

实际URL可能根据服务器部署方式有所不同。

基本使用方法

启动MCP服务器：
- 打开终端，导航到服务器代码目录：
```
cd src/mcp/mcp-server
```
- 激活虚拟环境（如果未激活）：
```
source ../../../.venv/bin/activate
```
- 运行服务器（例如，使用SSE传输）：
```
uv run mcp_server.py
```
- （或者使用Stdio传输，但这通常由MCP客户端在启动时自动处理，不建议手动运行）

启动MCP客户端：

在另一个终端中，导航到客户端代码目录（例如 'src/mcp/mcp-client'）。
激活虚拟环境。

运行一个客户端脚本，例如：

uv run langgraph_agent.py # 使用Stdio连接
# 或
# uv run langgraph_agent_remote_mcp.py # 使用SSE连接，需要先设置REMOTE_MCP_URL环境变量

客户端将连接到已启动的MCP服务器，发现可用的工具，并利用这些工具与LLM协同完成任务。

通过上述步骤，LLM客户端即可与MCP服务器建立连接，并利用服务器提供的工具获取信息或执行操作。

关键词

项目简介

主要功能点

安装步骤

服务器配置（供MCP客户端参考）

基本使用方法

信息