MCP+PydanicAI参考项目
该项目从端到端演示了如何使用人工智能代理构建生态系统。 模型上下文协议（MCP） 盟友 LangGraph e PydanticAI这是一种材料，旨在作为LinkedIn文章的投资组合和支持，展示了一个现代化，可扩展的架构，可以集成多个MCP服务器。
项目亮点
- 两个MCP客户一个 LangGraph 应用程序，另一个 PydanticAI 应用程序使用相同的服务器。
- 使用 Pydantic 键入和验证模型通过暴露 MCP 工具和功能来确保数据安全。
- 多种运输通过 STDIO、HTTP streamable 和 SSE 进行流演示。
- 工具箱pronto数学服务器和客户端服务器（CRUD SQLite）说明了如何在MCP中发布不同的域。
- 重点重复使用组织代码作为新的MCP项目的锅炉板。
高层建筑
mcp_server_math.py通过 STDIO 提供数学工具、提示符和可扩展功能的 MCP 服务器。mcp_server_database.pyHTTP/SSE MCP 服务器，使用 Pydantic 模型进行验证，使用 SQLite 管理客户端。mcp_app_langgraph.pyLangGraph 代理：使用状态图和持久内存对 MCP 工具调用进行编排。mcp_app_pydantic_ai.pyPydanticAI 代理使用相同的 MCP 服务器，具有声明性配置和友好的提示。
堆栈：Python 3.12、LangGraph、LangChain、PydanticAI、MCP（FastMCP）、谷歌Gemini 2.0 Flash（通过 langchain-google-genai)SQLite，dotenv。如何执行
conda create --name mcp_env python=3.12
conda activate mcp_env
conda install pip
pip install -r requirements.txt然后上传客户端 MCP 服务器：
python mcp_server_database.py在另一个终端（具有活动环境）中，选择演示应用程序：
# Orquestração com LangGraph
python mcp_app_langgraph.py
# Interação direta com PydanticAI
python mcp_app_pydantic_ai.py锁定：
conda deactivate
conda remove --name mcp_env --all # opcional