Agentic AI with MCP

モデルコンテキストプロトコル（MCP）を備えたエージェント型AI

このプロジェクトは、Groqホスト型LLM（qwen-qwq-32bモデル）をカスタムモデルコンテキストプロトコル（MCP）サーバーを介して様々なツールに接続するエージェント型AIシステムを実装します。このシステムは、Wikipedia、インターネット検索（Tavily API経由）、金融データ（Yahoo Finance API経由）からのコンテキスト情報を提供することで、LLMの機能を強化します。

MCPについて

モデルコンテキストプロトコル（MCP）は、Anthropicが開発したオープンスタンダードであり、アプリケーションが大規模言語モデル（LLM）にコンテキストを提供する方法を標準化します。MCPは、LLMアプリケーションと外部データソースおよびツールとのシームレスな統合を促進し、AIシステムが標準化されたインターフェースを介して様々なサービスと動的に連携することを可能にします。

MCP の主な機能:

• 標準化: AI アシスタントを構造化されたツールおよびデータ レイヤーとインターフェイスするための汎用プロトコルを提供します。
• モジュラー アーキテクチャ: 通常はホスト AI システムによって仲介される永続ストリーム上のクライアント サーバー パターンに従います。
• 動的イントロスペクション: tools/list や resources/list などのメソッドを通じてツールとリソースの動的な検出をサポートします。

セキュリティ: ホストを介した認証を組み込み、安全なトランスポート プロトコルをサポートします。MCP を採用することで、開発者は相互運用性とセキュリティが向上し、複雑なワークフローに対応できる AI アプリケーションを構築できます。

MCP サーバーに新しいツールを追加するには:​

• ツールを定義する: 特定のタスクまたはデータの取得を処理する新しい関数を作成します。
• ツールを登録する: ツールの名前と説明を指定して、新しい機能が含まれるようにサーバーのツール レジストリを更新します。​
• リクエストの処理: サーバーがクエリに基づいて受信リクエストを適切なツールにルーティングできるようにします。このモジュール式のアプローチにより、サーバーの機能を簡単に拡張でき、言語モデルがより広範なコンテキスト情報にアクセスできるようになります。

特徴

• MCP サーバー: さまざまなツールへのアクセスを提供する中央ハブ
• 3つの統合ツール:
  1. Wikipedia検索 - 事実情報の検索
  2. インターネット検索 - Tavily API を活用した包括的なウェブ検索結果
  3. Yahoo Finance API - リアルタイムの株価と金融データ
• Groq API 統合: qwen-qwq-32b モデルを使用した超高速 LLM 処理
• クライアントサーバーアーキテクチャ: ツール管理とLLMの相互作用を明確に分離

前提条件

始める前に、次のものがあることを確認してください。

• PythonインストールからUVをインストールする
• Groq APIキー。ドキュメントを参照してください。
• Tavily APIキー（ Tavily AIにサインアップ）

インストール

1. リポジトリをクローンします。
   git clone https://github.com/dev484p/AgenticAI_MCP cd AgenticAI_MCP
2. 依存関係をインストールします:
   uv add "mcp[cli]"
3. 環境変数を設定します:keys.json の Groq および Tavily API キーを更新します
4. オプション (開発用に MCP Inspector を使用してサーバーを実行する場合):

5. チャットボットを開始するには、次のコマンドを実行します。
   uv run client.py

利用可能なツール

システムは、MCP サーバーを通じて次の 3 つのツールを提供します。

1. ウィキ検索:

• Wikipediaの情報にアクセスする
• クエリ例:「人工知能の歴史について教えてください」

2. インターネット検索（Tavily）：

• 包括的なウェブ検索結果を取得する
• クエリの例: 「量子コンピューティングの最新の開発状況は何ですか?」

3. ヤフーファイナンス:

• 株価や財務データにアクセスする
• クエリの例: 「AAPL 株の現在の価格はいくらですか?」

参照

• https://modelcontextprotocol.io/introduction
• https://github.com/langchain-ai/langchain-mcp-adapters
• https://github.com/krishnaik06/MCP-CRASH-Course