使用说明

项目简介

Upsonic 是一个专注于可靠性的应用框架，旨在简化生产级 LLM 应用的构建。它通过模型上下文协议 (MCP) 提供工具和上下文，并集成了高级可靠性功能，如验证层、工具管理和安全运行时环境，帮助开发者构建更值得信赖的 AI Agent 工作流。

主要功能点

• 可靠性优先: 内置多层可靠性验证机制，确保 LLM 输出的准确性和一致性，包括验证器 Agent、编辑器 Agent 和反馈循环等。
• 模型上下文协议 (MCP) 支持: 兼容 MCP 协议，允许利用 Glama 和 Mcprun 等平台提供的丰富工具生态，无需从零开发工具。
• 集成浏览器和计算机操作: 支持 Agent 直接与非 API 系统交互，执行浏览器操作和计算机本地任务。
• 安全运行时: 提供隔离的 Agent 运行环境，保障应用安全。
• 生产级可扩展性: 易于部署在 AWS, GCP 或本地 Docker 环境中，支持多客户端处理和高负载任务。
• 易于工具集成: 支持一键添加自定义工具和 MCP 工具，方便功能扩展。

安装步骤

1. 环境准备: 确保已安装 Python 3.10 或更高版本，并拥有 OpenAI 或 Anthropic API 密钥 (支持 Azure 和 Bedrock)。
2. 安装 Upsonic: 在终端中运行以下命令安装 Upsonic 库：

   pip install upsonic
   

服务器配置

Upsonic 框架包含主服务器和工具服务器。对于 MCP 客户端，主要需要配置工具服务器的连接信息，以便客户端能够调用 Upsonic 提供的工具。

MCP 客户端需要配置 MCP 服务器的启动命令 (command) 及其参数 (args) 才能与 MCP 服务器建立连接。以下是 Upsonic 工具服务器的配置信息示例 (JSON 格式):

{
  "server name": "Upsonic Tools Server",
  "command": "python",
  "args": ["-m", "upsonic.tools_server"]
}

基本使用方法

1. 启动服务器: 在 Python 环境中运行以下脚本以启动 Upsonic 服务器 (默认运行在 'http://localhost:7541')：

   from upsonic.server import run_dev_server
   
   run_dev_server()
   

   或者分别启动主服务器和工具服务器：

   from upsonic.server import run_main_server
   from upsonic.tools_server import run_tools_server
   
   run_main_server()
   run_tools_server()
   

2. 使用 Agent 执行任务: 以下代码展示了如何创建一个 Agent 并执行一个简单的任务：

   from upsonic import Task, Agent
   
   task = Task("Who developed you?")
   agent = Agent("Coder")
   agent.print_do(task)
   

3. 集成 MCP 工具: 以下代码展示了如何通过 MCP 集成外部工具，例如使用 'FetchMCP' 工具获取网页内容：

   from upsonic import Agent, Task, ObjectResponse
   
   # 定义 Fetch MCP 配置
   class FetchMCP:
       command = "uvx"
       args = ["mcp-server-fetch"]
   
   # 定义响应格式
   class WebContent(ObjectResponse):
       title: str
       content: str
       summary: str
       word_count: int
   
   # 初始化 Agent
   web_agent = Agent(
       "Web Content Analyzer",
       model="openai/gpt-4o",
   )
   
   # 创建任务
   task = Task(
       description="Fetch and analyze the content from url. Extract the main content, title, and create a brief summary.",
       context=["https://upsonic.ai"],
       tools=[FetchMCP],
       response_format=WebContent
   )
   
   # 执行任务
   result = web_agent.do(task)
   print(result.title)
   print(result.summary)
   

更多使用示例和详细文档，请参考 docs.upsonic.ai 和 Upsonic Cookbook。