Form Filling MCP Agent

AI表格填充剂

一个由模型上下文协议（MCP）服务器构建的智能多代理系统，可以自动化政府表格填写过程。只需告诉系统你需要什么（比如“在印度申请PAN卡”），它就会自动处理研究、表格填写和提交。

🎯 视觉

该项目旨在 使官僚程序民主化 通过人工智能援助使政府服务更容易获得。不再对使用哪些网站、需要哪些文档或如何填写复杂表格感到困惑。

🏗️ 建筑

多代理MCP系统

• 研究代理：研究流程、要求并找到官方网站
• 表单自动化代理：处理web自动化、表单填写和文档上传
• 协调者：编排工作流并管理用户交互

主要特点

• 🔍 智能研究：自动发现需求和官方网站
• 🤖 智能自动化：使用OTP、上传、多步骤流程处理复杂表单
• 💬 用户交互：无缝提示缺少的信息或批准
• 🛡️ 安全第一：正确的凭证处理和用户同意流程
• 🔄 可扩展：易于添加新的政府服务

🚀 快速开始

先决条件

• Python 3.10+
• 克劳德桌面（用于测试）
• Chrome/Chromium浏览器

安装

1. 克隆和设置：

git clone 
cd "A2A Form Filling Agent"

1. 安装依赖项：

# Install the project
uv sync

# Install Playwright browsers
uv run playwright install chromium

1. 环境设置：

# Copy environment template
cp .env.example .env

# Edit .env with your settings (optional for basic testing)

发展模式

使用MCP检查员测试单个试剂：

# Test Research Agent
uv run mcp dev research_agent/server.py

# Test Automation Agent  
uv run mcp dev automation_agent/server.py

# Test Coordinator
uv run mcp dev coordinator/server.py

Claude桌面集成

添加到您的Claude桌面 config.json:

{
  "mcpServers": {
    "form-research": {
      "command": "uv",
      "args": ["run", "python", "-m", "research_agent.server"],
      "cwd": "/path/to/A2A Form Filling Agent"
    },
    "form-automation": {
      "command": "uv", 
      "args": ["run", "python", "-m", "automation_agent.server"],
      "cwd": "/path/to/A2A Form Filling Agent"
    }
  }
}

🧪 使用示例

基本政府应用

User: "I need to apply for a PAN card in India"

Research Agent: 
- Finds official NSDL/UTI websites
- Lists required documents (photos, address proof, etc.)
- Explains the process steps

Automation Agent:
- Opens correct application form
- Guides user through filling personal details
- Handles document uploads
- Manages OTP verification
- Submits application

高级多步骤流程

User: "Apply for driving license in Maharashtra"

System:
- Researches learner's license requirements first
- Guides through document preparation
- Fills online application forms
- Schedules test appointments
- Tracks application status

🛠️ 发展

项目结构

├── research_agent/          # Research & requirement gathering
│   ├── server.py           # Main MCP server
│   ├── tools/              # Research tools
│   └── knowledge/          # Knowledge base
├── automation_agent/       # Web automation & form filling
│   ├── server.py           # Main MCP server  
│   ├── tools/              # Automation tools
│   └── handlers/           # Site-specific handlers
├── coordinator/            # Workflow coordination
├── shared/                 # Common utilities
└── examples/               # Example implementations

添加新服务

1. 研究部分：将有关新服务的知识添加到 research_agent/knowledge/
2. 自动化组件：在中创建特定于站点的处理程序 automation_agent/handlers/
3. 测试：使用MCP检查器测试单个组件

测试

# Run all tests
uv run pytest

# Test specific component
uv run pytest tests/test_research_agent.py

# Integration tests
uv run pytest tests/integration/

🔧 配置

环境变量

# Optional: API keys for enhanced research
GOOGLE_API_KEY=your_google_api_key
SERPAPI_KEY=your_serpapi_key

# Browser settings
HEADLESS_BROWSER=false  # Set to true for headless mode
BROWSER_TIMEOUT=30000   # Page load timeout in ms

# Debug settings
DEBUG_MODE=true
LOG_LEVEL=INFO

定制

• 研究来源：在中配置其他数据源 research_agent/config.py
• 现场处理人员：在中添加新的网站处理程序 automation_agent/handlers/
• 用户提示：在中自定义交互流 coordinator/flows.py

🤝 贡献

1. 分叉存储库
2. 创建要素分支(git checkout -b feature/amazing-feature)
3. 提交您的更改(git commit -m 'Add amazing feature')
4. 推到分支(git push origin feature/amazing-feature)
5. 打开拉取请求

📋 路线图

第一阶段：核心基础✅

• \[x\] 基本MCP服务器结构
• \[x\] 具有网页抓取功能的研究代理
• \[x\] Playwright的简单表单自动化
• \[x\] Claude桌面集成

第二阶段：增强能力🚧

• \[\]先进的表单检测和处理
• \[\]文件管理系统
• \[\]多语言支持
• \[\]特定州的变化

第三阶段：生产准备📋

• \[\]错误恢复和重试机制
• \[\]全面的测试覆盖率
• \[\]性能优化
• \[\]安全审计和强化

第四阶段：高级功能📋

• \[\]用于表单识别的机器学习
• \[\]语音交互支持
• \[\]移动应用程序集成
• \[\]企业部署选项

⚠️ 重要说明

• 使用者同意：所有操作都需要明确的用户批准
• 安全：切勿存储凭据；需要时始终提示
• 合规：遵守网站服务条款和费率限制
• 准确度：信息经过研究，但用户应核实关键细节

📜 许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

🙋‍♂️ 支持

• 为错误报告或功能请求创建问题
• 在创建新问题之前检查现有问题
• 提供详细信息以加快分辨率

______________________________________________________________________

免责声明：该工具用于教育和援助目的。用户有责任确保遵守所有适用法律和网站服务条款。