LangChain + Gemini + MCP (Tool Server)

Este projeto demonstra como criar um chain com LangChain usando o modelo gemini-2.0-flash do Google e integrá-lo com ferramentas customizadas usando o MCP (Multi-Chain Protocol), via conexão stdio.

✨ Funcionalidade

A chain é capaz de:

Interpretar linguagem natural com o Gemini.
Usar ferramentas externas via MCP — neste exemplo, uma calculadora de expressões matemáticas.
Executar localmente um servidor de ferramentas que se conecta à chain automaticamente.

🔧 Requisitos

Python 3.10+
uv (ou pip tradicional)

📦 Instalação

Com uv (recomendado)

uv venv
source .venv/bin/activate
uv pip install -r requirements.txt

Ou com pip tradicional

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Crie um arquivo .env:

GOOGLE_API_KEY=sua_chave_google_api

🚀 Execução

1. Execute o servidor de ferramentas (MCP)

Primeiro, execute o servidor de ferramentas. Este servidor vai processar as expressões matemáticas.

python server.py

2. Execute o cliente

Em seguida, execute o cliente, que se conecta ao servidor e faz as requisições, passando a pergunta para a chain e recebendo o resultado do cálculo.

python client.py

Como Funciona?

O chain usa o modelo Gemini-Pro do Google para interpretar a linguagem natural.
Uma LLMChain é criada usando o modelo e um PromptTemplate para extrair a expressão matemática de uma pergunta.
A expressão extraída é então passada para uma ferramenta de cálculo via o protocolo MCP.
O servidor MCP calcula a expressão matemática e retorna o resultado.