tiempo-mcp

Un sistema de inteligencia artificial agente mínimo que responde preguntas generales y relacionadas con el tiempo mediante un proceso de LLM aumentado con herramientas.

Características

• API de Flask : proporciona la marca de tiempo actual.

• Servidor de agente MCP : agente de razonamiento que detecta la intención del usuario, llama a herramientas (como la API de tiempo), genera indicaciones e interactúa con un LLM a través de OpenRouter (API compatible con OpenAI).

• Interfaz de usuario optimizada : interfaz de chat sencilla para hablar con el agente de IA.

Related MCP server: MCP-RAG

Configuración

1. Clonar e instalar dependencias

pip install -r requirements.txt

2. Variable de entorno

Configure su clave API de OpenRouter (obtenga una en https://openrouter.ai ):

export OPENROUTER_API_KEY=sk-...your-key...

3. Ejecutar los servidores

Abra tres terminales (o utilice procesos en segundo plano):

Terminal 1: API de tiempo de Flask

python flask_api.py

Terminal 2: Servidor del agente MCP

python mcp_server.py

Terminal 3: Interfaz de usuario optimizada

streamlit run streamlit_ui.py

La interfaz de usuario de Streamlit se abrirá en su navegador (predeterminado: http://localhost:8501 )

Uso

• Pregúntele cualquier pregunta al agente en la interfaz de usuario de Streamlit.

• Si preguntas la hora (por ejemplo, "¿Qué hora es?"), el agente llamará a la API de Flask, obtendrá la hora actual y elaborará una respuesta hermosa y natural utilizando el LLM.

• Para otras preguntas, el agente responderá utilizando únicamente el LLM.

Arquitectura

[Streamlit UI] → [MCP Agent Server] → [Tools (e.g., Time API)]
                            ↓
                        [LLM via OpenRouter]

• El agente MCP detecta la intención, llama a las herramientas según sea necesario, diseña indicaciones y las envía al LLM.

• Fácilmente extensible para agregar más herramientas (solo agréguelo a la clase MCPAgent).

Personalización

• Agregar más herramientas : implementar nuevos métodos en MCPAgent y actualizar self.tools .

• Mejorar la detección de intenciones : ampliar detect_intent() en MCPAgent .

• Cambiar el modelo LLM : actualice el campo model en call_llm() .

Requisitos

• Python 3.7+

• Consulte requirements.txt para conocer las dependencias.

Créditos

• Desarrollado con Flask, Streamlit, OpenRouter y Python.

• Inspirado en patrones de diseño LLM de agencia.