关键词

AI智能体构建大型语言模型应用工具调用智能体框架代码生成

本项目是GitHub仓库 'agentic_repo' 中包含的一个MCP服务器实现，位于 'langgraph+pydanticAi/02-Archon(v3)' 目录下。它提供了一组工具，使支持Model Context Protocol的LLM客户端能够与后端的Archon智能体构建逻辑进行交互。

项目简介

Archon是一个基于Langgraph和Pydantic AI框架构建的智能体构建智能体。它可以理解用户的自然语言描述，自动生成并完善AI智能体的代码。本项目中的MCP服务器部分是为Archon提供标准化外部接口，允许其他LLM客户端（如IDE、聊天界面等）通过MCP协议与之通信并调用其功能。

主要功能点

  • 提供MCP接口: 实现Model Context Protocol，通过JSON-RPC处理来自LLM客户端的请求。
  • 注册和执行工具: 暴露 'create_thread' 和 'run_agent' 等功能作为可由LLM调用的工具。
  • 智能体构建: 通过工具调用触发后端的Archon智能体工作流，执行智能体需求分析、代码生成、文档检索等任务。
  • 会话管理: 支持创建和管理独立的对话线程，保持智能体构建过程的上下文。

安装步骤

  1. 克隆仓库: 首先，需要将整个'agentic_repo'仓库克隆到本地。 
    git clone https://github.com/debsouryadatta/agentic_repo.git
cd agentic_repo/langgraph+pydanticAi/02-Archon(v3)
  2. 设置环境变量: 在 'langgraph+pydanticAi/02-Archon(v3)' 目录下创建 '.env' 文件，并配置所需的LLM API密钥、Supabase连接信息等。具体需要哪些变量请参考项目代码中的 'os.getenv' 调用，例如 'GROQ_API_KEY', 'OPENAI_API_KEY', 'BASE_URL', 'LLM_API_KEY', 'SUPABASE_URL', 'SUPABASE_SERVICE_KEY' 等。
  3. 运行设置脚本: 执行 'setup_mcp.py' 脚本。该脚本会自动创建Python虚拟环境、安装依赖，并生成MCP客户端所需的配置文件 'mcp-config.json'。 
    python setup_mcp.py
  4. 启动 FastAPI 服务: Archon智能体逻辑运行在一个单独的FastAPI服务中。在 'langgraph+pydanticAi/02-Archon(v3)' 目录下，需要启动 'graph_service.py'。 
    # 确保您在虚拟环境激活状态下
uvicorn graph_service:app --reload --port 8100
    这个服务需要持续运行，MCP服务器才能调用它。
  5. 启动 MCP 服务器: 在 'langgraph+pydanticAi/02-Archon(v3)' 目录下，运行 'mcp_server.py' 脚本来启动MCP服务器。默认使用stdio传输协议。 
    # 确保您在虚拟环境激活状态下
python mcp_server.py

服务器配置 (供MCP客户端使用)

MCP客户端（如Cursor、Windsurf等）需要通过配置信息来连接并启动MCP服务器。以下是根据 'setup_mcp.py' 生成的信息，您需要根据您的本地路径修改 'command' 和 'args' 中的具体文件路径。

{
  "mcpServers": {
    "archon": {
      "command": "/path/to/your/agentic_repo/langgraph+pydanticAi/02-Archon(v3)/venv/Scripts/python.exe",
      "args": [
        "/path/to/your/agentic_repo/langgraph+pydanticAi/02-Archon(v3)/mcp_server.py"
      ]
    }
  }
}
  • '"archon"': MCP服务器的名称，客户端将使用此名称引用该服务器。
  • '"command"': 启动服务器的可执行文件的绝对路径。通常是项目虚拟环境内的Python解释器。
  • '"args"': 传递给 'command' 的参数列表。第一个参数是服务器主脚本 'mcp_server.py' 的绝对路径。

基本使用方法

  1. 确保上述安装步骤中的FastAPI服务和MCP服务器都已成功启动并运行。
  2. 在支持Model Context Protocol的LLM客户端中，使用上面提供的配置信息连接到Archon MCP服务器。
  3. 通过客户端向Archon MCP服务器发送JSON-RPC请求，调用暴露的工具：
    • 首先，调用 'create_thread' 工具获取一个新的会话ID。
    • 然后，使用获取的会话ID调用 'run_agent' 工具，并传入用户想要构建的智能体的描述或其他指令作为 'user_input' 参数。
  4. 客户端会接收到Archon智能体返回的响应，通常包含分析结果、代码、说明等。后续交互继续调用 'run_agent' 并传入新的用户输入和相同的会话ID。

信息

分类

AI与计算

访问项目