mcp-demo

# MCP 研究助手演示 ## 概述 本项目演示了一个使用模型上下文协议（MCP）、LangChain、FastAPI 和 Streamlit 构建的研究助手应用。它展示了如何使用 MCP 服务器和 Langchain 创建模块化 AI 系统。 该演示可以搜索和分析科学论文，提供文档的语言分析，并为交互这些 AI 功能创建用户友好的界面。 <!--   --> <div align="center"> <img src="assets/search_and_open.gif" alt="搜索和打开文章"> <img src="assets/parse_and_answer.gif" alt="解析和回答"> </div> ## 架构 该演示由三个主要组件组成： 1. MCP 服务器： - ArXiv 服务器：提供用于搜索和检索 ArXiv 上的科学论文的工具 - 文档语言服务器：提供用于分析和理解文本的文档语言工具 2. FastAPI 客户端服务器： - 作为 MCP 服务器之间的协调层 - 实现一个研究助手代理，使用来自两个 MCP 服务器的工具 - 公开一个用于与助手交互的 API 3. Streamlit 用户界面： - 提供用户友好的网页界面 - 允许用户查询研究助手 - 显示搜索结果、论文分析和其它输出 ## 工作原理 1. 用户通过 Streamlit 用户界面提交研究问题或请求 2. 请求被发送到 FastAPI 客户端服务器 3. 客户端服务器使用 MultiServerMCPClient 与多个 MCP 服务器协调 4. 根据请求，调用适当的工具（ArXiv 搜索、文档分析等） 5. 结果被处理并返回到 Streamlit 用户界面进行显示 ## 快速入门 **环境设置** 复制模板环境文件： ```bash cp .env.template .env ``` 编辑 `.env` 文件，添加您的 API 密钥和配置 **使用 Docker Compose 运行** 使用 Docker Compose 运行整个应用程序的最简单方法： ```bash docker-compose up -d ``` 这将启动所有组件： - ArXiv 服务器，端口 8000 - 文档语言服务器，端口 8001 - 客户端服务器，端口 8002 - Streamlit 用户界面，端口 8501 然后访问 [此处](http://localhost:8501) 以访问 Streamlit 用户界面。