Nodejs AI Agent And MCP

Node.js人工智能代理+MCP（TypeScript）

这个包在TypeScript中实现了一个AI代理工作流和几个MCP服务器。它反映了Python在 ../python/ 但使用Node.js生态系统。

它的作用

• LinkedIn摘要生成器管道：给定一个人的名字，代理通过MCP工具找到他们的LinkedIn URL，抓取个人资料详细信息，然后要求法学硕士提供一个简短的摘要和两个有趣的事实。
• MCP服务器：用于工具演示的数学（stdio）和天气（SSE/http流）的MCP服务器示例。
• MCP客户端：连接到这些MCP服务器并使用工具运行代理的小型客户端。

技术栈

• 运行时/语言：Node.js+TypeScript
• LLM框架: langchain, @langchain/openai, @langchain/langgraph
• 主控程序: @langchain/mcp-adapters 对于客户来说， fastmcp 对于服务器
• 验证/解析: zod, @langchain/core/output_parsers
• 超文本传输协议: axios
• 配置: dotenv

项目结构（关键文件）

• src/index.ts：端到端LinkedIn摘要链（提示→ LLM → 解析器）。用途 lookup 从 agents/linkedinAgent 和 scrapeLinkedinProfile 从 third_parties/linkedin.
• src/agents/linkedinAgent.ts：与MCP服务器通信的LangChain工具代理(src/mcp_server/profiles.ts)via MultiServerMCPClient 获取给定名称的LinkedIn URL。
• src/mcp_server/profiles.ts：FastMCP服务器暴露：

- 提示： profile_prompt - 工具： profile_url （使用Tavily搜索LinkedIn URL） - 资源模板： profile://users/{name}

• src/_fastmcp/servers/mathServer.ts：通过stdio的FastMCP数学服务器。
• src/_fastmcp/servers/weatherServer.ts：基于HTTP流的FastMCP天气服务器（SSE）。
• src/_fastmcp/langchainClient.ts：连接到数学（stdio）和天气（SSE）服务器，构建一个React风格的代理，并对其进行查询。
• src/third_parties/linkedin.ts：通过Scrapin API（或模拟要点URL）抓取LinkedIn数据。
• src/outputParsers.ts: StructuredOutputParser 总结器输出采用Zod模式。

需求

创建一个 .env 此文件夹中的文件包含：

OPENAI_API_KEY=sk-...
OPENAI_MODEL_NAME=gpt-4o-mini
TAVILY_API_KEY=...
SCRAPIN_API_KEY=...

安装依赖项：

npm install

如何跑步

1） 端到端LinkedIn摘要

跑 src/index.ts 其中：通过MCP支持的代理获取LinkedIn URL→ 刮擦轮廓→ 总结。

npm start

笔记：

• 默认名称是硬编码的 src/index.ts (main("Arif Hidayatullah")).编辑该内容以更改目标人员。
• 需要 OPENAI_*, TAVILY_API_KEY，以及 SCRAPIN_API_KEY 在 .env.

2） 仅运行LinkedIn查找代理

npm run linkedin-agent

这使用 src/agents/linkedinAgent.ts 仅返回LinkedIn个人资料URL。

3） 手动运行MCP配置文件服务器（可选）

LinkedIn代理将自动生成此服务器，但您可以运行它进行测试：

npm run mcp-profiles

4） MCP演示：数学（stdio）+天气（SSE）

客户在 src/_fastmcp/langchainClient.ts 连接到两个服务器：

• math：作为stdio上的子进程生成
• 天气：需要外部SSE服务器 http://localhost:8080/sse

步骤：

1. 启动天气SSE服务器：

   npm run mcp-weather

1. 在另一个终端中，运行客户端：

   npm run mcp-client

可选：独立运行数学服务器进行调试：

npm run mcp-math

脚本（来自 package.json)

• start: node -r ts-node/register --env-file=.env src/index.ts
• linkedin-agent：运行 src/agents/linkedinAgent.ts
• mcp-profiles：运行 src/mcp_server/profiles.ts （stdio）
• mcp-math：运行 src/_fastmcp/servers/mathServer.ts （stdio）
• mcp-weather：运行 src/_fastmcp/servers/weatherServer.ts （SSE开启 http://localhost:8080/sse)
• mcp-client：运行 src/_fastmcp/langchainClient.ts （预计天气SSE服务器正在运行）

Windows路径注释

一些演示客户端引用了仓库的绝对Windows路径，例如 src/agents/linkedinAgent.ts 和 src/_fastmcp/langchainClient.ts。如果将仓库克隆到其他位置，请更新这些位置 args 路径匹配您的本地路径或重构为相对路径。

故障排除

• 401/权限错误：检查 OPENAI_API_KEY, TAVILY_API_KEY，以及 SCRAPIN_API_KEY.
• 未找到模型：确保 OPENAI_MODEL_NAME 是您的密钥可以访问的模型。
• 天气客户端无法连接：确认 npm run mcp-weather 正在运行并且客户端使用 http://localhost:8080/sse.
• 路径错误：如上所述更新硬编码绝对路径。