合同比较-MCP服务器与多代理编排
利用WIPO提出建议
具有多代理编排功能的模型上下文协议（MCP）服务器，具有用于查询代理的简单web界面。该系统支持多个LLM提供商（Ollama、OpenAI、Anthropic、Google），并协调多个代理来处理复杂的文档管理查询。
特性
- 符合MCP标准：实施模型上下文协议标准
- FastAPI服务器：现代异步Python web框架
- 多代理编排：智能查询拆分和结果合成
- PDF文档上传：通过自动文本提取上传和管理PDF文档
- 文档选择：通过UI手动选择或从查询文本中自动检测
- 智能文档匹配：编排器自动匹配查询中的文档名称
- 灵活的LLM提供商支持：通过UI或环境变量在Ollama（本地）、OpenAI、Anthropic或Google之间切换
- 模型选择：从所选提供商的可用型号中进行选择
- web界面：现代Next.js前端，带有文档管理侧边栏和提供者/模型选择
- 自动代理发现：自动发现并注册代理
- RESTful API：用于代理和文档管理的标准HTTP端点
快速开始
有关详细的设置说明，请参阅 设置.md
先决条件
- Python 3.11+
- Node.js 18+
- LLM提供者 （选择一个或多个）：
- 奥拉玛 （本地，免费）：从安装 奥拉玛 并拉取一个模型： ollama pull llama3:latest - OpenAI （云，付费）：从获取API密钥 platform.openai.com - Anthropic （云，付费）：从获取API密钥 console.anthropic.com - 谷歌 （云，付费）：从获取API密钥 ai.google.dev
快速安装
# 1. Clone repository
git clone
cd mcp-server-orchestration # or whatever you name the repository
# 2. Set up Python backend
python3 -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
pip install -r requirements.txt
# 3. Set up frontend
cd frontend
npm install
cd ..
# 4. Configure environment
cp env.example .env
# Edit .env with your LLM provider settings (see Configuration section below)
# 5. Start your LLM provider (if using Ollama)
# macOS: Open Ollama.app
# Linux: ollama serve
# For OpenAI/Anthropic/Google: Just add API key to .env
# 6. Start servers
# Terminal 1: MCP Server
source venv/bin/activate
python3 -m uvicorn backend.server.mcp_server:app --host 0.0.0.0 --port 8000
# Terminal 2: Frontend
cd frontend
npm run dev访问前端 http://localhost:3000
使用系统
- 选择LLM提供商和型号:
- 使用聊天顶部的下拉菜单选择您的提供商（Ollama、OpenAI等） - 从该提供商的可用型号中选择一个型号 - 系统将对该查询中的所有LLM调用使用您的选择
- 上传文档：点击侧边栏中的“上传PDF”上传基于文本的PDF文件
- 选择文档:
- 手册：选中要查询的文档旁边的复选框 - 自动：只需在查询中提及该文件（例如，“告诉我我的意大利文件”）
- 提问：在聊天中键入您的查询
- 系统将使用您选择的提供商/型号 - 自动使用所选文档 - 内部代理搜索实际文档文本 - 外部代理查询外部数据库（WIPO等）
建筑
组件
- MCP服务器 （Python/FastAPI）
- 协调多代理工作流 - LLM无关架构-支持Ollama、OpenAI、Anthropic、谷歌 - 提供者可以通过UI或默认值根据请求进行切换 LLM_PROVIDER env 是 - 在端口8000上运行
- 前端 （Next.js/React）
- 简单的聊天界面 - 连接到MCP服务器 - 在端口3000上运行
- 代理
- 内因：使用提取的文本搜索上传的PDF文档 - 外部代理人：查询外部数据库（例如WIPO获取合规信息）
- 编排器
- 使用LLM分析用户查询 - 从查询文本中自动检测和匹配文档 - 将查询拆分为特定于代理的任务 - 综合多种试剂的结果 - 可以访问所有上传的文档以进行智能路由
工作流程
User Uploads PDF → Text Extraction (pdfplumber) → Storage (filesystem + memory)
↓
User Query + Provider/Model Selection → Orchestrator → Query Analysis (LLM)
↓
Get Available Documents List
↓
Match Documents from Query (LLM + Fallback)
↓
Determine Agents Needed
↓
Generate Optimized Queries (with document context)
↓
Execute Agents (with selected documents + LLM provider)
↓
Internal Agent: Uses document text from storage
External Agent: Queries external databases
(Both use selected LLM provider/model)
↓
Compare & Synthesize Results (LLM)
↓
Return Final Answer文档管理
系统支持两种方式选择要查询的文档：
- 手动选择：用户可以通过侧边栏中的复选框选择文档
- 自动检测：编排器自动检测查询中提到的文档
- 示例：“告诉我我的意大利文件”→ 自动找到“Italy-111.pdf” - 作品有变体：“意大利文件”、“日本-111”等。 - 两种方法可以协同工作（手动+自动检测）
API终点
MCP服务器（端口8000）
GET /health-健康检查GET /api/providers-获取已配置LLM提供程序的列表GET /api/models?provider=ollama-获取供应商的可用型号POST /orchestrate-处理用户查询
{
"query": "your query here",
"selected_documents": ["document1.pdf", "document2.pdf"], // Optional
"provider": "openai", // Optional: override default provider
"model": "gpt-4" // Optional: override default model
}POST /api/upload-上传PDF文档
- 内容类型： multipart/form-data - 主体： file （PDF文件）
GET /api/documents-列出所有上传的文档DELETE /api/documents/{filename}-删除文档GET /mcp/agents-列出所有注册代理人GET /mcp/resources-列出所有MCP资源POST /discover-触发器代理发现
前端（端口3000）
GET /-主聊天界面POST /api/chat-聊天端点（转发到MCP服务器）
项目结构
mcp-server-orchestration/ # Project root
├── backend/ # Backend MCP Server (Python/FastAPI)
│ ├── server/
│ │ └── mcp_server.py # FastAPI server with upload endpoints
│ ├── agents/
│ │ ├── internal_agent.py # Internal document agent (uses uploaded PDFs)
│ │ └── external_agent.py # External database agent
│ ├── orchestrator/
│ │ └── orchestrator.py # Query orchestration with document matching
│ ├── services/
│ │ ├── ollama_service.py # Ollama API wrapper
│ │ └── document_storage.py # PDF storage and text extraction
│ ├── uploads/ # Uploaded PDF files (created on first upload)
│ ├── interfaces/
│ │ └── agent.py # Agent interface
│ ├── registry/
│ │ └── registry.py # Agent registry
│ └── discovery/
│ └── agent_discovery.py # Auto-discovery
├── frontend/ # Frontend UI (Next.js)
│ ├── app/
│ │ ├── api/chat/route.ts # Chat API (forwards to MCP server)
│ │ ├── components/
│ │ │ ├── chat.tsx # Chat UI component
│ │ │ └── document-sidebar.tsx # Document upload and selection UI
│ │ └── page.tsx # Main page with sidebar layout
│ └── package.json
├── requirements.txt # Python dependencies
├── env.example # Environment template
├── SETUP.md # Detailed setup guide
└── README.md # This file配置
创建一个 .env 文件来自 env.example:
基本配置
PORT=8000
LOG_LEVEL=INFO
ENV=development
ALLOWED_ORIGINS=*LLM提供程序配置
选项1：Ollama（当地，免费）
LLM_PROVIDER=ollama
OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_MODEL=llama3:latest
# Optional: Add more models for dropdown
OLLAMA_MODELS=llama3:latest,llama3.1:latest,mistral:latest选项2:OpenAI（云，付费）
LLM_PROVIDER=openai
OPENAI_API_KEY=sk-your-api-key-here
OPENAI_MODEL=gpt-4
# Optional: Add more models for dropdown
OPENAI_MODELS=gpt-4,gpt-4-turbo,gpt-3.5-turbo选项3：人工智能（云端，付费）
LLM_PROVIDER=anthropic
ANTHROPIC_API_KEY=sk-ant-your-api-key-here
ANTHROPIC_MODEL=claude-3-5-sonnet-20241022选项4：谷歌（云，付费）
LLM_PROVIDER=google
GOOGLE_API_KEY=your-api-key-here
GOOGLE_MODEL=gemini-pro备注：您可以在中配置多个提供程序 .env。UI将在下拉列表中显示所有已配置的提供程序，您可以根据请求在它们之间进行切换。这 LLM_PROVIDER 变量设置默认提供程序。
文档
- 设置.md -包含分步说明的全面设置指南
- 工作流.md -详细的工作流程说明，包括文档上传、处理和LLM提供者架构
- QUICKSTART.md -5分钟内起床和跑步的快速入门指南
- 期货_高盛.md -计划的改进和下一步行动（LangGraph、WIPO整合、代理增强）
主要特征说明
文档上传与管理
- 上传PDF：使用侧栏“上传PDF”按钮上传基于文本的PDF文件
- 文本提取：pdfplumber自动从所有页面中提取文本
- 存储：文档保存到
backend/uploads/（持久）+缓存在内存中的文本（快速访问） - 文档选择:
- 手册：侧边栏中的复选框 - 自动：在查询中提及文件（例如，“意大利文件”→ 找到“Italy-111.pdf”）
如何使用文档
- 上传：PDF→ 文本提取→ 存储
- 查询：用户提问（有或没有提及文档）
- 检测：编排器匹配查询中的文档或使用手动选择
- 处理：内部代理检索文档文本并将其包含在LLM提示中
- 回应：LLM搜索实际文档内容以回答
示例用例
- “我的意大利合同怎么说？” → 自动检测Italy-111.pdf，搜索它
- “比较我的意大利和日本文件” → 查找两者，搜索两者
- “我在意大利和澳大利亚的合同中需要改变什么？” → 使用内部代理（意大利文件）+外部代理（澳大利亚合规）
发展
运行测试
pytest查看日志
MCP服务器日志被写入 /tmp/mcp_server.log:
tail -f /tmp/mcp_server.log或者使用辅助脚本：
./view_logs.sh助手脚本
./start_server.sh-通过日志查看启动MCP服务器./view_logs.sh-查看MCP服务器日志
故障排除
看 设置.md 有关详细的故障排除指南。
常见问题：
- Ollama没有跑：启动Ollama并验证
curl http://localhost:11434/api/tags - OpenAI/人类/谷歌错误：检查中是否正确设置了API密钥
.env - 提供程序未显示在UI中：确保在中设置了API密钥
.env对于该提供商 - 端口冲突：终止端口8000或3000上的进程
- 模块未找到：确保虚拟环境已激活并安装了依赖项
许可证
\[在此处添加您的许可证信息\]
贡献
- 创建要素分支
- 进行更改
- 添加测试
- 提交拉取请求