<<<<<<< HEAD

LangChain Agent Project

这是一个从零逐步成长的 LangChain 项目，当前先完成最小 RAG 示例。

目录

• agent.md：项目主说明

• src/minimal_rag.py：第二阶段 RAG 入口

• src/rag_stage2.py：第二阶段核心实现

• models/m3e-base/：本地 embedding 模型目录

• data/sample_docs/：示例文档

Related MCP server: AWS Knowledge Base Retrieval MCP Server

环境

固定使用名为 agents 的 Python 虚拟环境。

python -m venv agents
agents\Scripts\Activate.ps1
=======
# LangChain Agent RAG MCP

这是一个逐步演进的 LangChain + RAG + Agent + MCP 项目，当前已完成到 Phase 4。

## 项目结构

- `src/minimal_rag.py`：Phase 2 RAG 入口
- `src/agent_stage3.py`：Phase 3 工具调用入口
- `src/mcp_stage4.py`：Phase 4 MCP 服务入口
- `src/test_stage2.py`：Phase 2 smoke test
- `src/test_agent_stage3.py`：Phase 3 smoke test
- `src/test_mcp_stage4.py`：Phase 4 smoke test
- `agent.md`：阶段规划与最新进展

## 环境准备

统一使用 conda 的 `agents` 环境，路径为 `D:\Pyenvs\py310\agents`。

```powershell
conda activate agents
>>>>>>> 9c9be64 (已完成第三步的工具接入)
python -m pip install -r requirements.txt

配置

<<<<<<< HEAD 复制 .env.example 为 .env，然后填写 OpenAI 兼容中转站配置。

如果你使用的是中转站接口，记得把 OPENAI_BASE_URL 改成你的代理地址。 embedding 只从项目内 models/m3e-base 读取，不再访问 Hugging Face。

运行

======= 复制 .env.example 为 .env，填写 OpenAI 兼容接口配置。 如果使用中转站或代理，请把 OPENAI_BASE_URL 改成实际地址。

使用方式

Phase 2：

9c9be64 (已完成第三步的工具接入)

python -m src.minimal_rag --question "这个项目现在支持什么？"

<<<<<<< HEAD

测试

先跑结构测试：

python -m src.test_stage2

再跑完整问答：

python -m src.minimal_rag --question "这个项目现在支持什么？"

当前能力

• 读取示例文档

• 切分文本

• 使用本地 m3e-base 建立向量检索

• 基于检索结果生成回答

• 返回来源引用

• 检索不到时会明确兜底

第三阶段

已完成工具调用骨架，入口位于 src/agent_stage3.py。

运行方式：

python -m src.agent_stage3 --question "这个项目现在支持什么？"

环境说明

当前项目统一使用 conda 创建的 agents 环境，实际位置为 D:\Pyenvs\py310\agents。 后续运行前请先执行：

conda activate agents

最新进展

• 已确认并记录 agents conda 虚拟环境位置：D:\Pyenvs\py310\agents

• 已完成第三阶段的工具调用骨架，src.agent_stage3 可正常运行

• 后续开发统一以 conda activate agents 后的环境为准

第一批工具

• knowledge_base_search：基于本地 RAG 资料检索回答

• project_summary：输出项目当前阶段、环境和进展摘要

• sample_docs_index：列出示例文档并展示简短预览

测试方法

在 agents 环境中执行：

conda activate agents
python -m src.test_agent_stage3

如果你想单独验证 agent 入口，也可以运行：

python -m src.agent_stage3 --question "这个项目现在支持什么？"

更新说明

• 第一批工具已补充输入输出约束和异常兜底

• src.test_agent_stage3 已加入真实 agent 路由测试，可验证模型按问题自动选不同工具

  Phase 3：

python -m src.agent_stage3 --question "这个项目现在支持什么？"

Phase 4：

python -m src.mcp_stage4

如果要在终端里看到常驻服务：

python -m src.mcp_stage4 --transport streamable-http --host 127.0.0.1 --port 8000

测试方法

conda activate agents
python -m src.test_stage2
python -m src.test_agent_stage3
python -m src.test_mcp_stage4

使用注意事项

• stdio 模式是给 MCP 客户端连接的，不要在终端里手动输入内容。

• http://127.0.0.1:8000/ 返回 404 是正常的，真正入口是 /mcp。

• 新对话里如果无法调用 MCP，优先检查 Codex 是否真的配置到了当前项目里的 src.mcp_stage4。

• 运行前一定先激活 agents 环境。

• 现在项目知识已经收口到 README.md 和 agent.md，不再依赖额外 Markdown 资料。

当前能力

• 基础问答

• RAG 检索增强

• Agent 工具调用

• MCP 接入

测试文档

当前 RAG 测试资料放在 data/laser_tracker_docs/，用于激光跟踪仪前沿研究的示例检索。 如果要新增测试资料，直接在这个目录里添加新的 .md 文件即可。

9c9be64 (已完成第三步的工具接入)