Learn AI Agents MCP A2a

学习人工智能代理（MCP-A2A）

学习AI代理MCP-A2A（注：MCP-A2A可能是一个特定项目、框架或技术的名称，根据上下文可能需要具体翻译或解释，但在此处保留原样以表示其特定含义）

什么是模型上下文协议（MCP）？

一种协议或接口，用于定义在与人工智能模型（尤其是多轮对话、工具使用或类似代理的系统）交互时，信息（上下文）是如何被构建、发送和使用的。

现代人工智能模型需要上下文来进行智能推理。MCP有助于以结构化且可扩展的方式组织这些上下文：

• 之前说了什么？（对话历史）
• 有哪些可用的工具？（工具/功能元数据）
• 采取了哪些行动？（以及这些行动的输出结果）
• 模型接下来预期会做什么？

使用 克莱恩（Cline，根据上下文，此处为音译，实际翻译可能因具体人名或地名而异） 使用MCP服务器，我们可以获得一个结构化的AI代理，它能够：

• 逐步推理
• 使用工具
• 记住上下文
• 经过检查、版本控制和改进

______________________________________________________________________

环境设置和API密钥

bharathkumardasaraju@mock-flight-application-test$ python3.12 -m venv venv
bharathkumardasaraju@mock-flight-application-test$ 
~ ➜  env | grep -i API
OPENAI_API_KEY=OPENAI_API_KEY="sk-proj-IDABCDEFGHIJKLMNOP-123456789123456789-JNusQUA"
OPENAI_API_BASE=https://api.openai.com/v1

在 Cline 中配置 OpenAPI 密钥

• 在 Cline 中配置 OpenAI 的 API 密钥

cline-config-apikey

在VSCode中配置本地MCP服务器

• 配置本地MCP服务器

configure-local-mcp-server

测试本地运行的mcp-server，通过cline由openAPI使用

• 搜索明天从新加坡（SG）到马德拉斯（MAA，此处通常指印度的金奈，但MAA作为机场代码可能指其他地方，需根据上下文确定）的航班

test-local-mcp