🧠 LangMCP
LangMCP 是一个模块化、异步的AI代理框架，用于连接 克劳德（人类学） 多个 MCP（模型上下文协议） 服务器通过动态 LangGraph 工作流程。\ 它可以处理 同时进行多个工具调用和LLM请求，通过四个连接节点的事件驱动图协调一切。
______________________________________________________________________
⚙️ 架构概述
LangMCP由以下设备供电 LangGraph 并使用a 4节点架构:
| 节点 | 角色 |
|---|---|
| 🧭 路由器节点 | 将每个用户请求分类为 tool_use, conversational，或 handle_mixed. |
| 🧰 工具节点 | 使用 create_react_agent 接口调用正确的MCP工具。 |
| 💬 会话节点 | 通过克劳德处理纯对话和自由形式的回应。 |
| 🔄 混合节点 | 协调结合工具操作和会话回复的请求。 |
所有节点异步运行，启用 并行工具执行与LLM推理.
______________________________________________________________________
🧩 组件
| 文件 | 描述 |
|---|---|
agent_loop.py | 🧠 主要入口点——构建并运行4节点LangGraph代理。 |
mathserver.py | 用于数学运算的MCP服务器（基于stdio）。 |
weather.py | 用于天气查询的MCP服务器。 |
client.py | 多服务器客户端处理异步工具发现和通信。 |
pyproject.toml / uv.lock | 依赖性和环境管理（通过 紫外线). |
.env.example | 环境变量模板(ANTHROPIC_API_KEY等等）。 |
______________________________________________________________________
🚀 运行代理
1.克隆和设置
git clone https://github.com//billlly4/LangMCP.git
cd LangMCP
uv sync2.配置环境
cp .env.example .env添加您的 无烟煤API键 以及任何服务器设置。
3.启动代理
uv run python agent_loop.py然后开始聊天：
You: add 3 to 7
AI: The sum of 3 and 7 is 10.
You: tell me a joke and multiply 4 by 5
AI: 4 × 5 = 20. Also, why did the AI cross the road? To optimize both sides.类型 exit 退出。
______________________________________________________________________
🧠 特性
- ⚡ 并行LLM和工具执行 使用异步LangGraph
- 🤖 克劳德整合 通过
langchain_anthropic - 🔗 多台MCP服务器 通过连接
MultiServerMCPClient - 🧩 动态路由 对话式反应和基于工具的反应之间
- 🧰 可组合的4节点图 用于干净、可扩展的逻辑
______________________________________________________________________
🧾 许可证
麻省理工学院许可证©2025 Arash Khosropour