Salesforce Langgraph Agent

Salesforce LangGraph代理

一个智能会话代理，集成了OpenAI、LangGraph和Salesforce MCP（模型上下文协议），为Salesforce操作提供自然语言访问。

🚀 概述

该项目演示了如何构建一个基于人工智能的Salesforce助手，该助手可以：

• 了解有关Salesforce的自然语言问题
• 自动决定何时使用Salesforce工具，何时进行对话式响应
• 执行Salesforce操作（SOQL查询、组织管理、元数据操作）
• 将技术成果总结为用户友好的响应

🏗️ 建筑

START → LLM Node → [continue → Tools Node → LLM Node (summarize)] → END
                ↓
               end → END

LLM节点：分析消息，决定是使用工具还是直接响应，并格式化最终输出\ 工具节点：获取可用的Salesforce工具并执行选定的操作\ 条件路由：“继续”（使用工具）或“结束”（直接响应）的路线

🛠️ 技术栈

• LangGraph：具有状态管理和条件路由的工作流编排
• OpenAI GPT-4o-mini：自然语言理解和决策
• Salesforce MCP服务器：通过stdio协议提供50多个Salesforce操作
• LangChain：消息格式和AI集成
• Python 3.12：核心实现语言

📋 特性

• 智能路由：自动区分随意聊天和Salesforce操作
• 工具选择：根据用户意图动态选择合适的Salesforce工具
• 自然语言接口：问“我的默认组织是什么？”或“列出我的所有组织”之类的问题
• 结果总结：将技术JSON/CLI输出转换为友好的响应
• 50+Salesforce工具：访问组织、SOQL查询、元数据部署、权限等

🔧 先决条件

• Python 3.12+
• Node.js（用于Salesforce MCP服务器）
• Salesforce CLI配置了至少一个组织
• OpenAI API密钥
• LangSmith帐户（可选，用于跟踪）

📦 安装

1. 克隆存储库

git clone https://github.com/SalesforceDiariesBySanket/salesforce-langgraph-agent.git
cd salesforce-langgraph-agent

1. 创建虚拟环境

python -m venv .venv
.venv\Scripts\activate  # Windows
# source .venv/bin/activate  # Linux/Mac

1. 安装依赖项

pip install langgraph langchain-openai mcp langchain-core

1. 安装Salesforce MCP服务器

npm install -g @salesforce/mcp

1. 配置环境变量

创建一个 .env 文件：

OPENAI_API_KEY=your_openai_api_key_here
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=your_langsmith_key_here
LANGSMITH_PROJECT=your_project_name

🚦 用法

独立运行

python langgraph_salesforce_mcp.py

使用LangGraph开发服务器运行

pip install langgraph-cli
langgraph dev --port 8123 --allow-blocking

然后访问Studio UI： http://127.0.0.1:8123

交互示例

随意聊天：

User: Hello!
Agent: Hello! How can I help you with Salesforce today?

Salesforce运营：

User: What's my default org?
Agent: Your default org is epic.8d791757115102822@orgfarm.salesforce.com

SOQL查询：

User: List all my Salesforce orgs
Agent: You have 3 configured orgs:
1. epic.8d791757115102822@orgfarm.salesforce.com (default)
2. dev-org@example.com
3. sandbox@example.com

📁 项目结构

salesforce-langgraph-agent/
├── langgraph_salesforce_mcp.py  # Main workflow implementation
├── langgraph.json               # LangGraph configuration
├── .env                         # Environment variables (not committed)
├── README.md                    # This file
└── .gitignore                   # Git ignore rules

🔑 关键组件

GraphState

管理对话状态，包括：

• messages：聊天记录（LangChain消息格式）
• tools：可用的Salesforce MCP工具
• next_action：路由决策（“继续”或“结束”）
• selected_tool：LLM选择的工具
• tool_arguments：工具执行参数
• tool_result：原始工具输出

LLM节点

• 初步意图分析
• 带参数生成的工具选择
• 结果总结

工具节点

• Lazy在第一次调用时加载Salesforce工具
• 执行选定的Salesforce操作
• 优雅地处理错误

🎯 可用的Salesforce工具

该代理可以访问50多个Salesforce操作，包括：

• get_username -获取默认组织用户名
• list_all_orgs -列出已配置的Salesforce组织
• run_soql_query -执行SOQL查询
• assign_permission_set -分配权限
• deploy_metadata -部署元数据更改
• run_apex_tests -执行Apex测试
• 还有更多。..

🔍 运作原理

1. 用户发送消息 → 添加到状态为 HumanMessage
2. LLM分析意图 → 决定“聊天”或“使用工具”
3. 如果聊天 → LLM直接回应→ END
4. 如果需要工具:

- 工具节点获取可用的Salesforce工具（仅限第一次） - LLM选择合适的工具并生成参数 - 工具节点执行Salesforce操作 - 流循环回到LLM节点 - LLM将结果总结为友好的回应

1. 已发送响应 → END

🛡️ 错误处理

• 工具参数无效→ LLM提供指导
• MCP连接故障→ 优美的错误消息
• 缺少必要参数→ 自动默认值或用户提示

🚧 局限性

• 需要预先配置Salesforce CLI
• 工具同步执行（阻塞I/O）
• OpenAI API调用产生成本
• 仅限于基于stdio的MCP工具

🔮 未来的增强功能

• \[\]支持流式响应
• \[\]多工具并行执行
• \[\]会话间的对话记忆
• \[\]自定义Salesforce工具定义
• \[\]支持更多MCP服务器
• \[\]交互式工作室UI改进

📝 许可证

麻省理工学院

👤 作者

桑凯特·库马尔

• github： @销售日记BySanket
• 电子邮件：kumar.sanket539@gmail.com

🙏 致谢

• LangGraph -工作流编排
• Salesforce MCP -Salesforce工具
• 开放人工智能 -语言模型能力
• LangChain -人工智能集成框架

🤝 贡献

欢迎投稿！请打开问题或提交拉取请求。

______________________________________________________________________

⭐ 如果你觉得这个项目有帮助，请在存储库中加星！