MCP Meeting Agent

MCP会议代理

一个会议准备代理，提供琐事、有趣的事实和GitHub趋势存储库，以改善您的会议。采用LangChain的现代代理框架构建，用于智能编排和基于工具的交互。

概念验证

这是一个概念验证应用程序，不适用于生产用途。 该项目演示了架构模式和集成概念，但缺乏关键的生产功能，如安全性、性能优化、全面测试和可扩展性考虑。

特性

• 技术小常识：从外部API获取技术琐事问题和答案
• 有趣的事实：从外部API提供有趣的随机事实
• GitHub趋势：显示来自外部API的当前趋势存储库
• 会议记录：为主持人生成格式化的会议笔记
• LangChain代理框架：具有基于工具的编排的现代LLM代理架构
• 智能刀具协调：代理自动选择并使用适当的工具
• 稳健的错误处理：优雅的回退和全面的错误恢复
• 结构化日志记录：具有可配置级别的全面日志记录
• 综合测试：对所有组件进行全面测试
• FastMCP集成：具有错误屏蔽、速率限制和上下文感知日志记录的生产就绪MCP服务器

建筑

该项目遵循现代LangChain代理架构，将关注点和 与提供者无关的LLM支持:

供应商不可知设计

该应用程序旨在与多个LLM提供商一起工作，而无需更改代码：

• OpenAI/OpenRouter：通过使用任何与OpenAI兼容的API base_url 配置
• 人物克劳德：直接支持Claude模型（需要 langchain-anthropic)
• 谷歌双子座：直接支持Gemini型号（需要 langchain-google-genai)
• 其他供应商：任何与OpenAI兼容的API，通过 base_url 配置

系统会根据型号名称和配置自动检测提供商，只需更新您的 .env 文件。

• LangChain代理商：使用LLM推理协调工具的智能编排器
• 工具：封装外部服务和API的可重用LangChain工具
• 服务：处理外部API交互和数据获取
• 模式：用于数据验证和结构的Pydantic模型
• 使用格式器：为不同输出类型（LLM、注释）格式化数据
• 提示：管理LLM提示模板
• 核心：配置、日志记录和LLM网关

关键架构优势

• 基于工具的设计：单个工具可以在不同的代理之间重复使用
• 智能编排：代理使用LLM推理来确定使用哪些工具
• 更好的错误处理：工具具有单独的错误处理和优雅的回退
• 灵活性：无需更改代理逻辑即可轻松添加新工具
• 现代法学硕士模式：遵循LangChain推荐的代理工具架构

快速开始

1. 克隆存储库:

   git clone https://github.com/cliffordru/mcp-meeting-agent
   cd mcp-meeting-agent

1. 安装依赖项:

   uv sync

可选的：安装其他LLM提供程序支持：

   # For Anthropic Claude support
   uv add langchain-anthropic

   # For Google Gemini support  
   uv add langchain-google-genai

   # Or install all providers
   uv add langchain-anthropic langchain-google-genai

1. 设置环境变量:

   cp env.example .env
   # Edit .env with your preferred settings

1. 运行MCP服务器:

   uv run server.py

1. 配置MCP客户端:

要将此MCP服务器与MCP主机客户端一起使用，请参阅 mcp-client-config.json 在项目根目录中查看完整的配置示例。

服务器运行在 http://127.0.0.1:8000/sse 默认情况下，并提供 prepare_meeting() 用于生成会议内容的工具。

1. 使用:

例如，在Cursor中，您可以提示您的AI助手“使用MCP工具，准备一些有趣的会议笔记”。

配置

中的关键配置选项 .env:

# LLM Configuration (Provider Agnostic)
LLM_API_KEY=your_api_key
LLM_API_BASE_URL=https://api.openai.com/v1  # Optional: for OpenAI/OpenRouter
LLM_MODEL=gpt-4o-mini  # Supports OpenAI, Anthropic Claude, Google Gemini
LLM_TEMPERATURE=0.0
LLM_REQUEST_TIMEOUT=60

# Provider Examples:
# OpenAI/OpenRouter: LLM_MODEL=gpt-4o-mini, LLM_API_BASE_URL=https://api.openai.com/v1
# Anthropic Claude: LLM_MODEL=claude-3-5-sonnet-20241022 (no base_url needed)
# Google Gemini: LLM_MODEL=gemini-1.5-flash (no base_url needed)

# API Configuration
TECH_TRIVIA_API_URL=your_tech_trivia_api_url
FUN_FACTS_API_URL=your_fun_facts_api_url
GITHUB_TRENDING_URL=your_github_trending_api_url

# Logging
LOG_LEVEL=INFO

# FastMCP Configuration
MCP_MASK_ERROR_DETAILS=true
MCP_ENABLE_LOGGING=true

测试

运行所有测试：

uv run pytest src/tests/ -v

跑步覆盖：

uv run pytest src/tests/ --cov=src/app --cov-report=html

生产准备考虑因素

测试和质量保证

当前状态：全面的单元测试，覆盖率高 生产需求:

• 负载测试：Apache Bench、Artillery或k6，用于API性能测试
• 集成测试：使用真正的API依赖项进行端到端测试
• 故障场景测试：网络故障、API速率限制、LLM超时
• 评估框架：待定
• 监控：Langfuse集成用于LLM绩效跟踪

安全考虑

当前状态：实施了基本的FastMCP错误屏蔽和速率限制 生产需求:

• 认证：OAuth 2.0流，具有适当的会话管理
• 输入验证：对所有输入进行内容过滤和净化
• 输出滤波：LLM输出验证，以防止危害
• SAST/DAST：静态和动态应用程序安全测试
• 供应链攻击：依赖性漏洞的软件组合分析
• 速率限制：更复杂的速率限制和滥用预防
• 秘密管理：需要时待定

性能和可扩展性

当前状态：使用LangChain代理框架异步实现 生产需求:

• 缓存：TBD基于负载测试
• 断路器：外部API故障的恢复模式
• 水平缩放：容器编排（Kubernetes/Docker）

AI架构改进

当前状态：具有基于工具的体系结构的LangChain代理框架、针对API故障的LLM生成的回退内容，以及与提供商无关的LLM支持 生产需求:

• 模型即服务：尺寸合适的模型，可实现成本/延迟/准确性平衡
• 提示工程：系统化的快速优化和版本控制
• 代理优化：微调代理提示和工具选择逻辑
• 多提供商支持：提供商切换和回退机制
• 工具验证：工具的输入/输出验证
• LLM产生的回退：在API失败时改进动态LLM生成的内容

- 根据会议类型/背景生成上下文琐事问题 - 为观众/行业量身定制相关有趣的事实 - 提供特定于团队领域的趋势技术主题 - 通过人工智能生成保持内容的新鲜度和相关性

集成和现实世界服务

当前状态：具有基于工具的访问的基本外部API 生产需求:

• GitHub集成：实时问题、PR和存储库运行状况
• CI/CD集成：构建状态和部署信息
• Jira/线性：项目管理和冲刺数据
• 松弛/团队：实时通知和团队协作
• 日历集成：会议日程安排和与会者管理
• 分析：会议有效性跟踪和见解

监控和警报

当前状态：使用FastMCP客户端日志集成进行基本结构化日志记录 生产需求:

• 可观察性和警报：监控代理性能和工具使用情况
• 集中化的日志：日志聚合和分析
• 性能指标：响应时间跟踪和警报

项目结构

mcp-meeting-agent/
├── src/
│   ├── app/
│   │   ├── agents/
│   │   │   ├── tech_trivia_agent.py
│   │   │   ├── fun_facts_agent.py
│   │   │   ├── github_trending_agent.py
│   │   │   └── meeting_planner_agent.py
│   │   ├── core/
│   │   │   ├── config.py
│   │   │   ├── llm_gateway.py
│   │   │   └── logging_config.py
│   │   ├── formatters/
│   │   │   ├── meeting_notes_formatter.py
│   │   │   └── repository_formatter.py
│   │   ├── prompts/
│   │   │   ├── __init__.py
│   │   │   ├── agent_prompts.py
│   │   │   └── fallback_prompts.py
│   │   ├── schemas/
│   │   │   ├── fun_facts.py
│   │   │   └── tech_trivia.py
│   │   ├── services/
│   │   │   ├── fun_facts_service.py
│   │   │   ├── github_trending_service.py
│   │   │   └── tech_trivia_service.py
│   │   └── tools/
│   │       └── meeting_tools.py
│   └── tests/
│       ├── test_fun_facts.py
│       ├── test_github_trending_agent.py
│       ├── test_github_trending_service.py
│       ├── test_meeting_notes.py
│       ├── test_meeting_planner_agent.py
│       ├── test_meeting_tools.py
│       ├── test_repository_formatter.py
│       ├── test_server_integration.py
│       └── test_tech_trivia_agent.py
├── server.py
├── env.example
├── .env (not tracked in git)
├── LICENSE
└── README.md

API终点

MCP服务器公开了一个工具：

• prepare_meeting(ctx: Context, meeting_context: str = "")：使用具有错误处理和上下文感知日志的LangChain代理编排生成会议准备内容，包括琐事、有趣的事实和趋势存储库

依赖项

• FastMCP：MCP服务器框架
• 意图tp：异步HTTP客户端
• 媒染剂：数据验证
• 结构日志：结构化日志记录
• 语言链：LLM集成和代理框架
• langchain核心：核心LangChain组件
• 兰开夏：LangChain的OpenAI集成
• pytest：测试框架
• pytest异步：异步测试支持

备注：Langfuse可观察性包含在依赖项中，但尚未在当前版本中实现。

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。