内容
<p align="center">
<img src="Assets/Cover.png" alt="StockPilot AI Cover Banner" width="100%">
</p>
<h1 align="center">✈️ StockPilot AI</h1>
<h3 align="center">
企业多智能体库存情报平台
</h3>
<p align="center">
基于 <b>Google Agent Development Kit (ADK)</b>、<b>Gemini 2.5 Flash</b>、<b>Model Context Protocol (MCP)</b>、<b>FastMCP</b>、<b>Python</b> 和 <b>Streamlit</b> 构建的AI驱动的库存优化。
</p>
<p align="center">
</p>
---
# 🚀 概述
现代零售商由于库存不足、库存过多、需求预测不准确和库存决策缓慢而损失了大量的收入。传统的库存管理系统通常依赖于静态规则和手动分析，使得企业难以快速应对不断变化的商业环境。
**StockPilot AI** 是一个 **企业多智能体库存情报平台**，它利用协作的AI智能体群将原始库存数据转化为可行的商业洞察。该平台使用 **Google Agent Development Kit (ADK)**、**Gemini 2.5 Flash** 和 **Model Context Protocol (MCP)** 构建，使专门的AI智能体能够协同工作，分析库存，检测运营风险，预测需求，优化采购决策，并生成可用于高层决策的商业报告。
通过将模块化的AI编排与可重复使用的商业智能技能相结合，StockPilot AI展示了企业如何利用协作式AI系统构建可扩展、可解释和适用于生产的决策支持应用程序。
---
## 📚 目录
- 🚀 概述
- ✨ 主要功能
- 🏗️ 系统架构
- 🤖 AI智能体职责
- 🔄 多智能体工作流程
- 🛠️ 技术栈
- 📈 商业影响
- 🚀 快速入门
- 📂 仓库结构
- 🗺️ 未来路线图
- 🤝 贡献
- 📄 许可证
# ✨ 主要功能
- 🤖 基于Google ADK的多智能体群体智能
- 🧠 具有专门AI智能体的根协调器
- 🔌 Model Context Protocol (MCP) 集成
- 📊 AI驱动的库存健康分析
- 📈 需求预测和销售速度分析
- ⚠️ 库存不足和库存过多风险检测
- 💰 优化营运资金
- 📦 智能采购建议
- 📄 高层商业报告生成
- 🔒 企业级安全性和输入验证
- 🎨 使用Streamlit构建的现代化交互式仪表盘
---
# 🌟 项目亮点
✔ 企业级多智能体AI架构
✔ 使用Google Agent Development Kit (ADK)构建
✔ Gemini 2.5 Flash驱动
✔ 基于MCP的工具通信
✔ FastMCP集成
✔ 库存健康情报
✔ AI采购建议
✔ 高层商业报告
✔ 交互式Streamlit仪表盘
✔ 模块化和可扩展的设计
---
# 🏗️ 系统架构
<p align="center">
<img src="Assets/Architecture.png" alt="StockPilot AI Architecture" width="100%">
</p>
StockPilot AI采用模块化、企业级的多智能体架构，其中AI推理、商业逻辑和工具执行被清晰地分离。该平台利用 **Google Agent Development Kit (ADK)** 协调专门的AI智能体，而 **FastMCP** 通过 **Model Context Protocol (MCP)** 公开可重复使用的商业智能技能。
**根协调器智能体** 将任务委派给特定领域的AI智能体，负责库存分析、需求预测、库存风险检测、采购建议生成和高层报告。每个智能体在协作生成统一的商业决策之前执行特定的职责。
这种模块化架构提高了可扩展性、可维护性、可解释性，并允许在对现有系统进行最小更改的情况下集成新的AI功能。
---
# 🤖 AI智能体职责
| AI智能体 | 主要职责 |
|----------|------------------------|
| 🧠 根协调器 | 协调所有AI智能体并整合最终响应 |
| 📊 数据分析器 | 分析上传的数据集并计算库存统计数据 |
| 📈 需求趋势检测器 | 预测需求并分析销售速度 |
| ⚠️ 风险检测器 | 确定库存不足、库存过多和库存瓶颈的风险 |
| 📦 推荐器 | 生成AI驱动的采购建议 |
| 📄 报告撰写器 | 生成高层商业摘要 |
---
# 🔄 多智能体工作流程
<p align="center">
<img src="Assets/Workflow.png" alt="StockPilot AI Workflow" width="100%">
</p>
工作流程从上传库存数据集开始。根协调器将分析任务分发给专门的AI智能体，每个智能体都通过Model Context Protocol (MCP)调用可重复使用的库存智能技能。一旦所有分析完成，协调器就会将结果聚合到一份高层报告中，包含库存洞察、需求预测、采购建议和商业智能。
---
# 🛠️ 技术栈
| 层 | 技术 |
|--------|------------|
| AI框架 | Google Agent Development Kit (ADK) |
| 大型语言模型 | Gemini 2.5 Flash |
| 智能体通信 | Model Context Protocol (MCP) |
| MCP服务器 | FastMCP |
| 后端 | Python |
| 前端 | Streamlit |
| 数据处理 | Pandas |
| 数据可视化 | Plotly |
| 样式 | 自定义CSS |
| 环境 | Python 3.13 |
# 📈 商业影响
<p align="center">
<img src="Assets/business-impact.png" alt="Business Impact" width="100%">
</p>
StockPilot AI旨在通过将AI推理与商业智能相结合，支持数据驱动的库存决策。该平台帮助企业识别运营风险、优化采购策略，并通过协作式AI智能体提高库存绩效。
### 关键商业利益
- 📉 通过主动需求分析减少库存不足
- 📦 最小化过剩库存和持有成本
- 💰 改善营运资金利用
- 📈 使用AI洞察预测未来库存需求
- ⚠️ 在影响运营之前检测库存风险
- 🤖 自动采购建议
- 📊 生成高层商业报告
- 🚀 加速战略性库存决策
---
# 🌟 为什么选择StockPilot AI？
与依赖静态商业规则的传统库存管理系统不同，StockPilot AI结合了多个专门的AI智能体，共同解决复杂的库存挑战。
### 传统库存系统
- 手动库存分析
- 静态商业规则
- 有限的预测能力
- 反应性决策
- 分割的报告
### StockPilot AI
- 多智能体AI协作
- 智能需求预测
- AI驱动的风险检测
- 自动采购建议
- 高层商业智能
- 模块化和可扩展的架构
- 可解释的AI决策支持
---
# ✨ 企业功能
| 功能 | 描述 |
|----------|-------------|
| 🤖 多智能体群体 | 专门的AI智能体协同解决库存问题 |
| 📊 库存情报 | 分析库存健康状况和运营绩效 |
| 📈 需求预测 | 预测需求趋势和销售速度 |
| ⚠️ 风险检测 | 确定库存不足、库存过多和库存瓶颈 |
| 💰 营运资金优化 | 通过AI建议改善资本分配 |
| 📄 高层报告 | 生成高层商业摘要 |
| 🔒 安全处理 | 输入验证、安全API密钥处理和安全执行 |
| 🚀 模块化架构 | 通过MCP工具和可重复使用的技能轻松扩展 |
---
# 🚀 快速入门
按照以下步骤在本地运行 **StockPilot AI**。
---
## 📦 克隆仓库
```bash
git clone https://github.com/ankitachotaliya2310/StockPilot-AI.git
cd StockPilot-AI
```
---
## 📥 安装依赖项
安装所有必需的Python包。
```bash
pip install -r requirements.txt
```
---
## 🔑 配置环境
使用 `.env.example` 创建 `.env` 文件。
```env
GEMINI_API_KEY=YOUR_GEMINI_API_KEY
GEMINI_MODEL=gemini-2.5-flash
```
---
## ✅ 验证安装
运行验证套件以验证MCP工具、AI智能体和可重复使用的技能。
```bash
python -X utf8 verify_system.py
```
---
## ▶️ 启动StockPilot AI
启动Streamlit应用程序。
```bash
streamlit run app.py
```
在浏览器中打开：
```text
http://localhost:8501
```
---
# 📂 仓库结构
```text
StockPilot-AI
│
├── Assets/
│ ├── Cover.png
│ ├── Logo.png
│ ├── Architecture.png
│ ├── Architecture Overview.png
│ ├── Workflow.png
│ └── business-impact.png
│
├── Datasets/
│ ├── sample_inventory.csv
│ ├── test_dataset_balanced.csv
│ ├── test_dataset_overstocks.csv
│ └── test_dataset_shortages.csv
│
├── doc/
│ └── architecture.md
│
├── agents.py
├── app.py
├── data_generator.py
├── mcp_server.py
├── skills.py
├── tools.py
├── style.css
├── verify_system.py
├── requirements.txt
├── walkthrough.md
├── README.md
├── LICENSE
└── .gitignore
```
---
# 🎥 演示
📺 **演示视频：** https://youtu.be/xFnFT3Dh_GI?si=VXuZpmO2-REyzuWL
💻 **GitHub仓库：** https://github.com/ankitachotaliya2310/StockPilot-AI
> 按照下面的设置说明，应用程序设计为本地运行。上述视频中提供了所有功能的完整演示。
---
# 🗺️ 未来路线图
StockPilot AI被设计为一个可扩展的企业级库存情报平台。未来的增强功能可能包括：
- 🌐 多仓库库存管理
- 📡 实时ERP和SAP集成
- 🤖 AI供应商推荐引擎
- 📈 高级预测需求预测
- 📦 自动采购订单生成
- 🔐 基于角色的用户身份验证
- ☁️ 云原生部署
- 📊 实时商业智能仪表盘
- 🔔 智能库存警报和通知
- 🌍 多语言企业支持
---
# 🤝 贡献
欢迎贡献！
如果您想改进StockPilot AI，请：
- 分叉仓库
- 创建功能分支
- 提交拉取请求
- 通过GitHub问题报告错误或建议改进
---
# 🙏 致谢
该项目使用现代AI和数据工程技术构建，包括：
- Google Agent Development Kit (ADK)
- Gemini 2.5 Flash
- Model Context Protocol (MCP)
- FastMCP
- Streamlit
- Pandas
- Plotly
- Python
特别感谢 **Google × Kaggle AI Agents Capstone** 项目激励了该项目的开发。
---
# 📄 许可证
该项目在MIT许可证下获得许可。
有关详细信息，请参阅LICENSE文件。
<div align="center">
### ⭐ 如果您觉得这个项目有帮助，请考虑在GitHub上给它一个星标。
**使用 ❤️ 和 Google Agent Development Kit (ADK)、Gemini和Streamlit构建**
</div>
