MCP Agent Nlp Analysis

高级人工智能研究代理

一个由以下组件构建的自主代理系统 LangGraph, 奥拉玛，以及 模型上下文协议（MCP） 服务器。该代理可以计划其操作，检索本地上下文，使用NLP和Web研究的专用工具，并反思自己的答案以获得最大的准确性。

🚀 主要特点

• 自主规划：每个查询首先由战略规划师进行分析，为工作选择最佳工具。
• 多服务器MCP集成：使用三个专用服务器：

- NLP分析器：情感分析、可读性指标和文本摘要。 - Web提取器：谷歌搜索和深度网络抓取。 - 文件加载器：从PDF、DOCX、CSV和TXT文件中提取文本。

• 自我纠正（反思）：一个专门的Reflector节点会对答案进行评论，并在答案是通用的或不完整的情况下强制进行改进。
• RAG能力：自动为本地项目文件建立索引，以便立即进行上下文检索。
• 丰富的用户界面：带有彩色面板和Markdown渲染的交互式CLI。

🏗️ 项目架构

该系统遵循有向循环图（DCG）工作流程：

1. 规划师：接收用户查询并生成基于工具的执行策略。
2. 检索：在本地矢量数据库（FAISS）中搜索相关项目文件。
3. 聊天机器人：综合计划、检索到的上下文和工具输出以生成响应。
4. 工具（MCP）：执行请求的工具调用（Web搜索、NLP分析、文件读取）。
5. 反射器：评估响应质量。如果它是一个通用的免责声明或不完整，它会循环回到聊天机器人，并对改进进行批评（最多3个循环）。

🛠️ 安装和设置

先决条件

1. Python 3.10+：确保您安装了最新版本的Python。
2. Ollama安装:

- 下载并安装Ollama ollama.com. - 按照操作系统（Windows、macOS或Linux）的安装说明进行操作。 - 确保Ollama服务器正在运行（您应该在系统托盘中看到Ollama图标或能够运行 ollama list 在您的终端中）。

1. 所需模型:

- 代理人使用 qwen3:1.7b 用于推理和 nomic-embed-text 用于嵌入。 - 打开终端并拔出所需型号：

     ollama pull qwen3:1.7b
     ollama pull nomic-embed-text

1. 系统依赖:

- （可选）如果您遇到以下问题 lxml，您可能需要安装用于C编译的系统级开发人员工具，尽管预构建的轮子通常就足够了。

设置步骤

1. 克隆存储库:

   git clone https://github.com/AdityaJ9801/MCP-Agent-NLP-ANALYSIS.git
   cd MCP-Agent-NLP-ANALYSIS

1. 创建并激活虚拟环境:

   python -m venv .venv
   source .venv/bin/activate  # Windows: .venv\Scripts\activate

1. 安装依赖项:

   pip install langchain-ollama langchain-community langchain-mcp-adapters langgraph faiss-cpu beautifulsoup4 requests googlesearch-python rich PyPDF2 python-docx pandas nltk textblob mcp

1. 初始化NLTK资源:

这 nlp_analyzer.py 将在第一次运行时自动下载所需的NLTK数据。

🏃 运行代理

启动交互式CLI：

python agent.py

💡 示例提示

• 网络研究: "Search for the latest features in Python 3.13 and summarize the key changes."
• NLP分析: "Scrape https://en.wikipedia.org/wiki/Artificial_intelligence and give me a full NLP analysis including sentiment and readability."
• 文件处理: "Load the local file 'report.pdf' and tell me the main findings."
• 复杂的任务: "Find news about Podman's latest release, then analyze the sentiment of the top 3 articles found."

⚙️ 配置

您可以通过设置环境变量来更改默认模型：

• OLLAMA_MODEL：默认值为 qwen3:1.7b
• OLLAMA_EMBEDDING_MODEL：默认值为 nomic-embed-text

______________________________________________________________________