Ollama Pydantic项目
欢迎来到 Ollama Pydantic项目！这个项目演示了如何使用本地Ollama模型和Pydantic代理框架来创建智能代理。该代理连接到MCP服务器以使用工具，并使用Streamlit提供用户友好的界面。
这个项目是博客文章的一部分： 构建TypeScript MCP服务器：集成现有服务指南。访问博客，了解更多关于此项目背后的概念和实施细节。
概述
该项目的主要目标是展示：
- 本地Ollama模型集成：使用本地托管的Olama模型生成响应。
- Pydantic代理框架：使用Pydantic创建一个代理，用于数据验证和交互。
- MCP服务器连接：使代理能够通过MCP服务器使用工具。
- 流线型UI：为用户交互提供基于网络的聊天机器人界面。
先决条件
在设置项目之前，请确保以下事项：
- python：安装Python 3.8或更高版本。您可以从以下网址下载 python.org.
- Ollama模型：在本地安装并运行Ollama服务器：
- 从以下网址下载Ollama CLI Ollama官方网站. - 按照其网站上提供的说明安装CLI。 - 启动Ollama服务器：
ollama serve- 确保服务器正在上运行 http://localhost:11434/v1.
- MCP服务器：设置MCP服务器以启用代理工具。有关更多详细信息，请参阅 MCP服务器示例.
安装说明
按照以下步骤设置项目：
- 克隆存储库:
git clone
cd ollama-pydantic-project- 创建虚拟环境:
python3 -m venv venv- 激活虚拟环境:
- 在macOS/Linux上：
source venv/bin/activate- 在Windows上：
venv\Scripts\activate- 再进行:
pip install -r requirements.txt- 确保Ollama服务器正在运行:
按照先决条件中的说明启动Ollama服务器。
- 运行应用程序:
启动Streamlit应用程序：
streamlit run src/streamlit_app.py用法
应用程序运行后，在浏览器中打开提供的URL（通常 http://localhost:8501).您可以通过在输入框中键入查询来与聊天机器人交互。代理将使用MCP服务器提供的Ollama模型和工具处理您的查询。
交互示例
下面是一个与代理交互时聊天机器人界面的示例：
项目结构
该项目组织如下：
ollama-pydantic-project/
├── src/
│ ├── streamlit_app.py # Main Streamlit application
│ ├── agents/
│ │ ├── base_agent.py # Abstract base class for agents
│ │ ├── ollama_agent.py # Implementation of the Ollama agent
│ ├── utils/
│ ├── config.py # Configuration settings
│ ├── logger.py # Logger utility
├── requirements.txt # Python dependencies
├── README.md # Project documentation
├── assets/
│ ├── ollama_agent_mcp_example.png # Example interaction image
├── .gitignore # Git ignore file特性
- Streamlit聊天机器人：用户友好的聊天机器人界面。
- Olama模型集成：使用本地Ollama模型生成响应。
- MCP服务器工具：连接到MCP服务器以增强代理功能。
- Pydantic框架：确保数据验证和类型安全。
相关项目
故障排除
- 如果遇到Ollama服务器的问题，请确保它在
http://localhost:11434/v1. - 如果依赖项安装失败，请确保您使用的是Python 3.8或更高版本，并且您的虚拟环境已激活。
- 有关MCP服务器相关问题，请参阅 MCP服务器示例.
许可证
该项目根据MIT许可证获得许可。您可以根据许可条款自由使用、修改和分发此项目。有关更多详细信息，请参阅LICENSE文件。
贡献
欢迎投稿！请随时打开问题或提交pull请求。