agents a2a MCP

代理+MCP+A2A演示

在这个存储库中，您将找到一个代理聊天机器人，可以回答有关小型演示产品目录的问题。它使用代理到代理（A2A）调用和模型上下文协议（MCP）来访问两个本地数据源：关系SQLite数据库和Chroma向量存储。聊天代理选择何时查询结构化数据、语义搜索或两者兼而有之，以产生有用的答案。

该项目展示了：

• 由LangGraph ReAct代理支持的FastAPI聊天服务。
• 代理到代理（A2A）通信：主聊天代理通过HTTP调用辅助代理。
• 辅助代理使用MCP工具服务器访问两个本地数据库：

- SQLite（关系型） - 色度（矢量）

建筑

flowchart TD
  subgraph "Chat Server (FastAPI 8000)"
    ChatAPI["POST /chat"]
    ChatAgent["LangGraph ReAct Agent (chat_agent)"]
    ChatAPI --> ChatAgent
  end

  subgraph "Data Server (FastAPI 8001)"
    A2A["POST /data-agent/call"]
    DataAgent["LangGraph ReAct Agent (data_agent)"]
    A2A --> DataAgent
  end

  ChatAgent -- HTTP --> A2A

  subgraph "MCP (FastMCP)"
    SQLiteMCP[SQLite MCP Server]
    ChromaMCP[Chroma MCP Server]
  end

  subgraph "Local Databases"
    SQLiteDB[(SQLite demo.sqlite)]
    ChromaStore[(Chroma vector store)]
  end

  DataAgent -- list_tools + call --> SQLiteMCP
  DataAgent -- list_tools + call --> ChromaMCP

  SQLiteMCP --> SQLiteDB
  ChromaMCP --> ChromaStore

背景：MCP和A2A

• 模型上下文协议（MCP）：代理通过干净、类型化的接口发现和调用外部工具的标准方法。当您希望将精确、可靠、可审计的工具调用（例如数据库查询、知识查找、文件I/O）作为代理可以列出和调用的工具公开时，MCP是最好的选择。请参阅：

- 人类公告：https://www.anthropic.com/news/model-context-protocol - MCP组织和规范：https://github.com/modelcontextprotocol - FastMCP文档（客户端和服务器操作指南）：https://fastmcp.wiki/

• 代理对代理（A2A）：代理之间的直接通信，通常通过HTTP或消息传递。当一个代理应将工作委托给具有不同角色、技能或数据访问权限的另一个代理时，请使用A2A。它非常适合模块化架构、关注点分离以及从较小的代理服务中组合系统。了解更多：

- LangGraph多代理模式：https://langchain-ai.github.io/langgraph/ - Microsoft AutoGen（多代理框架）：https://microsoft.github.io/autogen/ - 深度学习。人工智能短期课程（LangGraph，多代理）：https://www.deeplearning.ai/short-courses/

何时使用哪个：

• 当单个代理需要对具有明确输入/输出的工具/数据进行确定性访问时，使用MCP。
• 当您希望代理跨服务协作、委派或隔离职责时，请使用A2A。

先决条件

• Python 3.11+
• uv 包管理器（推荐）

重要！

• 将“env”文件重命名为“.env”
• 更新.env文件中的密钥以使llm工作

安装uv

Windows（PowerShell）：

# Install via pip (user-site)
python -m pip install --user uv
# You may need to restart your terminal so that the user Scripts folder is on PATH.
# Verify
uv --version

安装

uv venv
uv sync
uv pip install -r requirements.txt

初始化本地数据

应包含数据库，以便跳过此步骤。

uv run python -m db.init_sqlite
uv run python -m db.init_vectors

MCP服务器

运行自己的FastMCP HTTP服务器。数据服务器在运行时使用FastMCP客户端发现工具 list_tools() 并通过以下方式执行它们 call_tool().

数据服务器需要这些固定URL：

• SQLite MCP： http://127.0.0.1:9001/mcp
• 铬MCP： http://127.0.0.1:9002/mcp

运行FastMCP服务器，使其在9001和9002上提供HTTP服务：

# Terminal 3 - SQLite MCP (HTTP on 9001)
uv run fastmcp run servers/sqlite_mcp.py:mcp --transport http --host 127.0.0.1 --port 9001

# Terminal 4 - Chroma MCP (HTTP on 9002)
uv run fastmcp run servers/chroma_mcp.py:mcp --transport http --host 127.0.0.1 --port 9002

如果更改端口/主机，请更新中的固定URL app_data/main.py.

有关运行服务器和客户端工具的操作，请参阅FastMCP文档：https://fastmcp.wiki/en/clients/tools

运行服务器

在两个终端中启动数据代理服务器（端口8001）和聊天服务器（端口8000）：

# Terminal 1 - Data server
uv run uvicorn app_data.main:app --reload --host 127.0.0.1 --port 8001

# Terminal 2 - Chat server
uv run uvicorn app.main:app --reload --host 127.0.0.1 --port 8000

健康检查：

curl http://127.0.0.1:8000/health  # chat server
curl http://127.0.0.1:8001/health  # data server

聊天：

curl -X POST http://127.0.0.1:8000/chat -H "content-type: application/json" -d "{\"message\":\"What headphones do we have? Use tools if needed.\"}"

聊天（在powershell中）：

Invoke-WebRequest -Uri "http://127.0.0.1:8000/chat" -Method Post -Headers @{ "Content-Type" = "application/json" } -Body '{"message":"What headphones do we have? Use tools if needed."}' -UseBasicParsing | Select-Object -ExpandProperty Content   

聊天（在powershell中）：

Invoke-RestMethod -Uri "http://127.0.0.1:8000/chat" -Method Post -Headers @{ "Content-Type" = "application/json" } -Body '{"message":"What do you think about sony products that you have and at what price?"}'            

演示功能的示例提示

• 仅数据库（SQLite通过MCP）：

- “列出你所有的耳机及其价格。” - “显示索尼的所有产品及其价格和库存。”

• 仅矢量存储（Chroma通过MCP）：

- “查找有关降噪耳机的文章。” - “关于耳挂式和入耳式，提到的利弊是什么？”

• 将两者结合起来（使用数据库事实+向量上下文）：

- “比较索尼和Bose耳机，包括价格并总结评论。” - “你的哪款预算耳机最常被描述为舒适？”

运作原理

• app/main.py 暴露 /chat （聊天服务器）。
• app_data/main.py 暴露 /data-agent/call （数据服务器）。
• 聊天代理(agents/chat_agent.py)用途 create_react_agent 并且只有一个工具 ask_data_agent 执行对数据服务器的HTTP调用 /data-agent/call.
• 数据代理(agents/data_agent.py)使用从FastMCP服务器中发现的工具为每个请求构建一个ReAct代理：

- 它召唤 list_tools() 并将返回的工具转换为LangChain工具，如下所述：https://fastmcp.wiki/en/clients/tools

• MCP服务器在 servers/sqlite_mcp.py 和 servers/chroma_mcp.py；将它们作为单独的FastMCP HTTP服务器运行。

备注

• 矢量存储使用非常小的确定性哈希嵌入来避免大型模型下载，仅适用于本地演示。
• 更换中的模型 agents/* 根据需要，与您首选的供应商和型号联系。