Agentic AI with MCP

具有模型上下文协议（MCP）的代理人工智能

该项目实现了一个 Agentic AI 系统，该系统通过自定义模型上下文协议 (MCP) 服务器将 Groq 托管的 LLM（qwen-qwq-32b 模型）与各种工具连接起来。该系统通过提供来自维基百科、互联网搜索（通过 Tavily API）和金融数据（通过 Yahoo Finance API）的上下文信息来增强 LLM 的功能。

关于 MCP

模型上下文协议 (MCP) 是由 Anthropic 开发的一项开放标准，旨在规范应用程序向大型语言模型 (LLM) 提供上下文的方式。它促进了 LLM 应用程序与外部数据源和工具之间的无缝集成，使 AI 系统能够通过标准化接口与各种服务动态交互。

MCP 的主要特点：

• 标准化：为人工智能助手与结构化工具和数据层之间的连接提供通用协议。
• 模块化架构：遵循持久流上的客户端-服务器模式，通常由主机 AI 系统介导。
• 动态自省：支持通过 tools/list 和 resources/list 等方法动态发现工具和资源。

安全性：集成主机介导身份验证并支持安全传输协议。通过采用 MCP，开发人员可以构建更具互操作性、安全性更高且能够处理复杂工作流程的 AI 应用程序。

要向 MCP 服务器添加新工具：​

• 定义工具：创建一个处理特定任务或数据检索的新功能。​
• 注册工具：更新服务器的工具注册表以包含新功能，指定工具的名称和描述。​
• 处理请求：确保服务器可以根据查询将传入的请求路由到适当的工具。这种模块化方法可以轻松扩展服务器的功能，使语言模型能够访问更广泛的上下文信息。

特征

• MCP 服务器：提供各种工具访问的中央枢纽
• 三个集成工具：
  1. 维基百科搜索——用于事实信息检索
  2. 互联网搜索 - 由 Tavily API 提供支持，可提供全面的网络结果
  3. Yahoo Finance API - 用于实时股票和财务数据
• Groq API 集成：使用 qwen-qwq-32b 模型进行超快速 LLM 处理
• 客户端-服务器架构：工具管理和 LLM 交互之间的明确分离

先决条件

开始之前，请确保您已具备以下条件：

• 从 Python安装中安装 UV
• Groq API 密钥。请参阅文档
• Tavily API 密钥（在Tavily AI注册）

安装

1. 克隆存储库：
   git clone https://github.com/dev484p/AgenticAI_MCP cd AgenticAI_MCP
2. 安装依赖项：
   uv add "mcp[cli]"
3. 设置环境变量：在 keys.json 中更新 Groq 和 Tavily api 密钥
4. 可选（使用 MCP Inspector 运行服务器进行开发）：

5. 运行以下命令来启动聊天机器人：
   uv run client.py

可用工具

系统通过MCP服务器提供三种工具：

1. 维基搜索：

• 访问维基百科信息
• 示例查询：“告诉我人工智能的历史”

2. 互联网搜索（塔维利）：

• 获得全面的网络搜索结果
• 示例查询：“量子计算的最新发展是什么？”

3. 雅虎财经:

• 获取股票价格和财务数据
• 示例查询：“AAPL 股票的当前价格是多少？”

参考

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