Ein KI-gestützter Wikipedia-Recherche-Agent, der zeigt, wie FastAPI, FastMCP, LangChain und LangGraph zusammenarbeiten können, um eine modulare, werkzeugnutzende KI-Anwendung zu erstellen.
Das Projekt stellt Wikipedia-Funktionen über einen MCP-Server (Model Context Protocol) bereit und ermöglicht es einem LangChain/LangGraph-Agenten, diese Werkzeuge automatisch zu entdecken und zu nutzen.
┌──────────────────────┐
│ User │
│ Natural Language │
└──────────┬───────────┘
│
▼
┌──────────────────────┐
│ FastAPI │
│ Application API │
└──────────┬───────────┘
│
▼
┌──────────────────────┐
│ LangChain Agent │
│ LangGraph │
└──────────┬───────────┘
│
MCP Protocol
│
▼
┌──────────────────────┐
│ FastMCP │
│ MCP Server │
└──────────┬───────────┘
│
┌──────────┴───────────┐
▼ ▼
┌──────────────┐ ┌──────────────┐
│ Wikipedia │ │ Wikipedia │
│ Search │ │ Page │
└──────────────┘ └──────────────┘Related MCP server: MCP Wikipedia Server
🤖 LLM-gestützte Wikipedia-Recherche
🔌 Model-Context-Protocol-Integration (MCP)
⚡ FastAPI-Anwendungsschicht
🧠 LangChain-Agenten-Integration
🔄 LangGraph-ReAct-Agent
🔎 Wikipedia-Suchwerkzeug
📄 Wikipedia-Seitenabruf-Werkzeug
🔗 MCP-Werkzeugerkennung
📡 stdio-basierte MCP-Kommunikation
🧩 Modulare Architektur, die problemlos zusätzliche Werkzeuge unterstützen kann
Technologie | Zweck |
Python | Kernprogrammiersprache |
FastAPI | API-/Anwendungsschicht |
FastMCP | MCP-Server- und Werkzeugimplementierung |
LangChain | LLM- und Werkzeugintegration |
LangGraph | Agenten-Workflow |
Requests | Wikipedia-API-Anfragen |
Wikipedia REST API | Externe Wissensquelle |
Der FastMCP-Server stellt zwei Werkzeuge bereit.
search_wikipediaDurchsucht Wikipedia nach einem bestimmten Thema.
@mcp.tool
def search_wikipedia(query: str):
...Beispiel:
Search Wikipedia for Albert EinsteinDer Agent kann automatisch entscheiden, Folgendes aufzurufen:
search_wikipedia("Albert Einstein")get_wikipedia_pageRuft den Inhalt einer bestimmten Wikipedia-Seite ab.
@mcp.tool
def get_wikipedia_page(title: str):
...Beispiel:
Get the Wikipedia page for Artificial IntelligenceDer Agent kann Folgendes aufrufen:
get_wikipedia_page("Artificial Intelligence")Der MCP-Server läuft mit:
mcp.run(transport="stdio")Der LangChain-Client verbindet sich mit dem MCP-Server:
client = MultiServerMCPClient(
{
"wikipedia": {
"command": "python",
"args": ["server.py"],
"transport": "stdio",
}
}
)Der Client erkennt dann die verfügbaren MCP-Werkzeuge:
tools = await client.get_tools()Diese Werkzeuge werden an den LangGraph-Agenten übergeben:
agent = create_react_agent(
model,
tools
)Das LLM kann dann anhand der Benutzeranfrage entscheiden, welches Werkzeug verwendet werden soll.
git clone https://github.com/YOUR_USERNAME/langchain-mcp-wikipedia.gitcd langchain-mcp-wikipediaWindows:
python -m venv venv
venv\Scripts\activateLinux/macOS:
python3 -m venv venv
source venv/bin/activatepip install -r requirements.txtErstellen Sie eine .env-Datei:
OPENAI_API_KEY=your_openai_api_keyDie traditionelle Werkzeugintegration koppelt eine LLM-Anwendung oft eng an einzelne APIs.
MCP bietet eine standardisierte Möglichkeit, Fähigkeiten als Werkzeuge bereitzustellen.
LLM
│
▼
LangChain / LangGraph
│
▼
MCP Client
│
▼
MCP Server
│
├── Wikipedia
├── Search
├── Database
├── APIs
└── Custom ToolsDiese Trennung macht Werkzeuge über verschiedene KI-Anwendungen und Agenten hinweg wiederverwendbar.
Dieses Projekt ist nützlich zum Lernen von:
Model Context Protocol (MCP)
FastMCP
MCP-Server
MCP-Clients
stdio-Transport
LangChain-Werkzeugintegration
LangGraph-Agenten
ReAct-Agenten
FastAPI
Externe API-Integration
LLM-Werkzeugaufrufe
Modulare KI-Agentenarchitektur
This server cannot be deployed
Search Wikipedia, read summaries and full text, target sections, find nearby pages, list languages.
Google search, news, maps, scholar and public webpages for AI agents, with Markdown results.
Web search, point-in-time crypto market data, verified strategy track records and 160+ agent tools.
Direct access to 60+ scraping and search tools. Extract structured data from Google (Search, Maps, Trends), Amazon, Airbnb, Social Media, and any web page directly into your AI agent.
