Exemple MCP

使用LangGraph和MCP的股票分析代理

这个项目展示了如何使用LangChain、LangGraph和多组件协议（MCP）来创建一个用于金融分析的AI代理。该代理能够回答有关股市的问题，包括当前股价、历史数据以及公司信息。

以下是两个实施示例：

1. sample_agent.py一个使用本地定义工具的同步代理。
2. mcp_agent.py一个更高级的异步代理，通过MCP消耗远程服务器上的工具。

功能

该代理可以使用以下工具来回答问题：

• 获取当前股票价格返回某个股票代码的最新报价。
• 获取历史数据它提供了一定时间段内的价格历史记录。
• 获取公司信息返回有关公司的总体信息（行业、概述等）。

项目结构

stock_agent/
├── .env            # Arquivo para variáveis de ambiente (não versionado)
├── mcp_agent.py    # Ponto de entrada para o agente principal (assíncrono com MCP)
├── sample_agent.py # Ponto de entrada para o agente de exemplo (síncrono local)
├── tools.py        # Definição das ferramentas locais que usam a biblioteca yfinance
├── mcp_servers.py  # Configuração dos servidores MCP remotos
└── README.md       # Este arquivo

• mcp_agent.py实现主代理。它连接到MCP服务器（配置在 mcp_servers.py) 以动态获取可用工具并异步执行它们。
• sample_agent.py一个更简单的实现方式是直接从文件中导入并使用工具。 tools.py作为使用LangGraph的ReAct代理的基本示例。
• tools.py它包含了工具的业务逻辑。函数被装饰为 @tool 来自LangChain并使用该库 yfinance 以查找财务数据。
• mcp_servers.py为MCP服务器定义配置字典。在此示例中，它被配置为连接到Smithery.ai上的一个提供金融工具的端点。

安装与配置

按照以下步骤准备运行环境。

1. 创建一个虚拟环境

将项目依赖项隔离出来是一种良好的做法。

python -m venv .venv
source .venv/bin/activate
# No Windows, use: .venv\Scripts\activate

2. 安装依赖项

安装所有必要的Python库。

pip install langchain langgraph langchain-openai yfinance python-dotenv langchain-mcp-adapters

3. 配置环境变量

创建一个名为 .env 在项目根目录下，复制以下示例。

# .env
OPENAI_API_KEY="sk-sua-chave-da-openai"
SMITHERY_API_KEY="sua-chave-da-smithery-ai"

• OPENAI_API_KEY您的OpenAI API密钥，语言模型所需的（gpt-5-mini）。
• SMITHERY_API_KEY您的Smithery.ai API密钥，用于连接到远程MCP服务器 mcp_agent.py。

如何执行

你可以与这两个代理中的任何一个进行交互。

运行主代理（带MCP）

这个代理连接到远程服务器以获取工具。

python mcp_agent.py

运行示例代理（本地）

这个代理使用在文件中本地定义的工具 tools.py。

python sample_agent.py

启动其中一个代理后，您会看到一个交互提示：

Digite: Qual o preço atual da PETR4.SA?