ProcureFlow Agent

Sistema inteligente de compras multiagente basado en DeepAgents / LangGraph, que integra análisis de compras, ejecución de pedidos, servicio de datos ERP, herramientas MCP, memoria a largo plazo y ejecución en sandbox en una cadena de negocio auditable.

Aspectos destacados del proyecto

• Colaboración multiagente: El agente principal se encarga del reconocimiento de intenciones y el enrutamiento de tareas; procurement-analyst se encarga del análisis de compras y procurement-order de la consulta y escritura de pedidos. Los prompts, herramientas, Skills y middleware están desacoplados mediante configuración YAML/modular.

• Herramientas de negocio estandarizadas: Encapsula las capacidades de proveedores, piezas, inventario y pedidos de compra mediante MCP, ofreciendo un total de 8 herramientas que admiten comparación de precios, alertas de inventario, consulta de detalles de pedidos, sugerencias de compra y generación de informes visuales.

• Human-in-the-Loop: Antes de crear o modificar un pedido, el agente analiza automáticamente los materiales, proveedores y precios unitarios del sistema, completa de forma estructurada los campos faltantes y solicita aprobación humana antes de la escritura final.

• Gestión de contexto de cadena larga: MongoDB Checkpoint guarda el estado de la sesión y la memoria a largo plazo se aísla por usuario. Combina resúmenes de contexto, descarga de resultados de herramientas y carga progresiva de Skills para controlar la sobrecarga de contexto.

• Ejecución aislada y recuperación: OpenSandbox se encarga de la ejecución de archivos y código, y admite comprobaciones de salud, renovación del ciclo de vida, reconstrucción tras fallos y recuperación de Skills.

• Migración de ERP a Python: Refactoriza la capa ERP original de Spring Boot con FastAPI + SQLAlchemy, manteniendo la compatibilidad de las 54 rutas de interfaz REST, las 8 herramientas MCP y el protocolo de respuesta original.

Related MCP server: ECOUNT MCP Server

Arquitectura del sistema

flowchart LR
    UI[Vue 3 对话前端] --> CHAT[FastAPI Chat API]
    CHAT --> MAIN[主 Agent\n意图识别 / 路由]
    MAIN --> ANALYST[采购分析 Agent]
    MAIN --> ORDER[采购订单 Agent]
    ANALYST --> MCP[MCP 工具层\n8 tools]
    ORDER --> HITL[字段补充 / 人工审批]
    HITL --> MCP
    MCP --> ERP[FastAPI ERP\n54 REST APIs]
    ERP --> MYSQL[(MySQL)]
    MAIN --> MONGO[(MongoDB\nCheckpoint / Store)]
    ANALYST --> SANDBOX[OpenSandbox\nSkills / 文件 / 代码]
    ORDER --> SANDBOX

Interfaz

Panel de compras inteligente multiagente

Muestra de forma unificada el historial de sesiones, respuestas en streaming, llamadas a herramientas y las capacidades de negocio de los agentes.

Análisis de inventario e informes visuales

El agente de análisis de compras invoca la herramienta MCP de inventario y genera tablas de alerta de inventario, gráficos de barras y sugerencias de compra.

Validación de pedidos y aprobación humana

El agente de pedidos se detiene en el límite de aprobación humana tras validar materiales, cantidades, precios unitarios del sistema y fechas de entrega; no realiza escrituras sin aprobación.

Flujos principales

Análisis de compras

用户需求 → 主 Agent 路由 → 采购分析 Agent
        → MCP 查询 ERP 数据 → 按需加载分析 Skill
        → 沙箱生成报告/图表 → 主 Agent 汇总结论与建议

Pedidos de compra

用户下单/改单 → 主 Agent 路由 → 采购订单 Agent
        → 查询物料、供应商和系统单价
        → 校验 Schema → 结构化补充缺失字段
        → Human-in-the-Loop 最终审批 → MCP 写入 ERP

Estructura del proyecto

procureflow-agent/
├─ src/
│  ├─ agent/          # 主 Agent、子 Agent、中间件、记忆、HITL 与沙箱后端
│  ├─ skills/         # 主 Agent、采购分析与订单扩展 Skills
│  ├─ mcp_server/     # 8 个 ERP MCP 工具
│  ├─ erp_api/        # FastAPI + SQLAlchemy ERP 服务
│  └─ api_view/       # 对话、历史记录与流式事件 API
├─ frontend/          # Vue 3 对话前端
├─ tests/             # ERP 流程、54 接口与 8 MCP 工具契约测试
├─ migrations/        # Alembic 基线迁移
├─ database/          # 已匿名化的本地演示数据
├─ demo_data/         # 采购网页抓取的最小可复现报价页面
├─ docs/              # 架构迁移与等价性说明
└─ start_web.py       # ERP、MCP、Agent API、前端统一启动器

Inicio rápido

1. Crear el entorno

Se recomienda usar Conda para gestionar Python 3.11 y Node.js 22 simultáneamente:

git clone https://github.com/Running-hue/procureflow-agent.git
cd procureflow-agent
conda env create -f environment.yml
conda activate procureflow-agent
Copy-Item .env.example .env

Configura MySQL, MongoDB, el servicio de modelos y OpenSandbox en .env. El repositorio no contiene ninguna clave real.

2. Inicializar la base de datos

Crear tablas vacías:

alembic upgrade head

O importar datos de ejemplo:

python scripts\import_original_sql.py --yes-recreate

La importación de ejemplos reconstruye las tablas correspondientes; no la ejecutes en una base de datos de producción.

3. Iniciar la página de demostración de cotizaciones opcional

Las tres páginas de cotizaciones del Skill de análisis de compras están incluidas en el repositorio. Cuando OpenSandbox se ejecuta en Docker, se puede acceder a ellas mediante host.docker.internal:

python -m http.server 5173 --directory demo_data\quote_pages

4. Iniciar el servicio completo

python start_web.py

Verificación

python -m pytest -q
ruff check src\erp_api src\mcp_server tests start_web.py scripts
cd frontend
npm ci
npm run build

La verificación automatizada actual cubre:

• Contratos de las 54 rutas de interfaz REST de ERP;

• Contratos de registro de las 8 herramientas MCP;

• Flujos de proveedores, piezas, inventario, transacciones y detalles de pedidos;

• Lógica de recuperación ante fallos de OpenSandbox;

• Compilación de producción de Vue 3.

Las conversaciones reales de extremo a extremo con modelos, MongoDB, MySQL y OpenSandbox requieren servicios locales y claves personales; este repositorio no falsifica resultados de integraciones externas.

Diseño de seguridad

• .env, los directorios locales de claves, los registros, las cachés, los archivos generados y los artefactos de compilación del frontend están ignorados por Git.

• Las operaciones de escritura de pedidos de compra solo las ejecuta el subagente de pedidos y requieren aprobación humana antes de invocar realmente las herramientas de escritura de MCP.

• Los Skills no verificados se ejecutan en OpenSandbox; la memoria del usuario se persiste de forma aislada por user_id.

• Los resultados grandes de las herramientas se descargan automáticamente y se resumen automáticamente cuando el contexto se acerca al umbral, reduciendo el riesgo de fallos en cadenas largas.

El alcance de la migración y la equivalencia de interfaces se detallan en el informe de migración, y los límites de seguridad en SECURITY.md.