SmolAgentWithMCP

概述

SmolAgentWithMCP 是一个基于Python的AI代理框架，它连接多个模型上下文协议（MCP）工具服务器，并通过大型语言模型（LLM）进行编排。支持Brave Search和其他兼容MCP的工具，使强大的、工具增强的问题回答工作流程成为可能。该代理利用了smolagents、LiteLLM 和 MCP 协议，提供灵活、可扩展和现代的AI工具。

---

使用场景

此项目适用于希望：

• 将多个工具服务器（如Brave Search、自定义MCP爬虫）集成到单一AI代理中。
• 启用对话式AI代理使用外部工具以增强其回答能力。
• 原型设计并部署高级AI工作流，且设置简单。
• 使用MCP协议扩展代理功能的开发者和研究人员。

示例场景：

• 使用实时网络搜索数据和自定义知识库回答查询的助手。
• 利用公共API和私有数据集/工具的研究代理。
• 能够通过启用MCP的工具与外部服务交互的自动化机器人。

---

特性

• 多工具编排： 连接到多个MCP工具服务器。
• 工具调用代理： 使用LLM决定何时以及如何调用工具。
• 通过.env配置： 支持多个API密钥和环境设置。
• 异步工作流： 高效的异步工具管理。
• 可扩展性： 容易添加新的MCP工具或更改LLM模型。

---

项目结构

- smolagentwithmcp.py         # 主代理源代码
- requirements.txt            # Python依赖项
- .env.example                # 示例环境文件
- README.md                   # 项目文档

---

设置与安装

1. 克隆仓库：

   git clone https://github.com/ashishpatel26/SmolAgentWithMCP.git
   cd SmolAgentWithMCP
   

2. 安装依赖项：

   pip install -r requirements.txt
   

3. 配置环境变量：

   • 复制.env.example到.env并填写您的API密钥。

   cp .env.example .env
   

4. 运行代理：

   python smolagentwithmcp.py
   

---

代码工作流图

flowchart TD
    subgraph 用户交互
        U([用户]) -->|查询| AGENT[SmolAgentWithMCP]
    end
    AGENT -->|加载| MCP1[MCP工具服务器1: Brave Search]
    AGENT -->|加载| MCP2[MCP工具服务器2: 自定义]
    AGENT -->|初始化| LLM[LiteLLM模型]
    U -->|输入| AGENT
    AGENT -->|决定工具使用| TOOLCALL[工具调用代理]
    TOOLCALL -->|调用| MCP1
    TOOLCALL -->|调用| MCP2
    MCP1 -->|返回数据| TOOLCALL
    MCP2 -->|返回数据| TOOLCALL
    TOOLCALL -->|生成答案| AGENT
    AGENT -->|输出| U

---

工作原理

1. 初始化： 加载MCP工具服务器（如Brave Search、自定义爬虫）并配置LLM。
2. 用户查询： 通过终端接受用户输入。
3. 工具编排： 确定为查询调用哪些工具。
4. 执行： 调用工具，收集结果，并使用LLM生成最终响应。
5. 异步管理： 异步处理多个工具集合和步骤。
6. 输出： 交互式地返回答案给用户。

---

配置

编辑.env以设置您的API密钥：

BRAVE_API_KEY=your_brave_search_api_key
OPENAI_API_KEY=your_openai_api_key

---

要求

参见requirements.txt：

• smolagents
• python-dotenv
• mcp
• litellm

---

许可证

MIT许可证。详情见LICENSE。

---

贡献

欢迎贡献！请打开问题或PR提出功能请求、错误修复或改进。

---

致谢

• SmolAgents
• LiteLLM
• 模型上下文协议