✈️ 旅行飞行员
旅行飞行员 是一个全栈、人工智能驱动的旅行规划和住宿助手，使用 Next.js, 快速API, LangChain，以及 MCP（模型上下文协议）它展示了如何将代理AI系统生产化为SaaS质量的应用程序。
该应用程序允许用户与智能代理进行交互，该代理使用启用MCP的工具对过度旅行查询进行推理并获取相关信息。
______________________________________________________________________
🚀 现场演示
- 前端: https://travel-pilot.sujay-hk.in
- 后端（API）: https://travel-pilot.onrender.com
- API文档（Swagger）: https://travel-pilot.onrender.com/docs
______________________________________________________________________
🧠 旅行飞行员解决了什么问题？
传统的旅游平台搜索量很大，需要用户手动过滤、比较和决定。
旅行飞行员 通过以下方式改变这一范式：
- 接受 自然语言旅行查询
- 使用 AI代理 过度推理
- 通过以下方式协调外部能力 MCP工具
- 返回 情境感知的对话式回应
这使得旅行计划更加直观、快速和智能。
______________________________________________________________________
🏗️ 架构概述
🧰 技术栈
前端
- Next.js（应用路由器）
- 反应
- TypeScript
- Tailwind CSS
- 浏览器本地存储 （聊天持久性）
后端
- 快速API （ASGI后端）
- Uvicorn （ASGI服务器）
- Python 3.12
- LangChain （代理框架）
- MCP（模型上下文协议） 通过
mcp-use
AI/LLM提供商
- 谷歌双子座 （通过
langchain-google-genai) - 格罗克 （通过
langchain-groq)
部署
- 维塞尔 –前端托管
- 渲染 –后端托管
- GitHub –版本控制和CI集成
______________________________________________________________________
🧠 代理AI和MCP的使用
Travel Pilot使用 基于代理的体系结构:
- A中心 旅行社 解读用户意图
- 代理动态地决定调用哪些工具
- MCP实现了对外部功能的标准化访问
- 推理+工具执行后编写响应
这种设计允许：
- 工具可扩展性，无需更改代理逻辑
- 推理和执行之间的清晰分离
- SaaS友好的可扩展性
______________________________________________________________________
🔐 环境变量
后端(backend/.env)
GOOGLE_API_KEY=your_key_here
GROQ_API_KEY=your_key_here
MCP_USE_ANONYMIZED_TELEMETRY=false前端(frontend/.env.local)
NEXT_PUBLIC_API_BASE_URL=your_backend_url⚠️ 秘密是 从未承诺 到GitHub。
______________________________________________________________________
📁 存储库结构
Travel-Pilot/
├── frontend/ # Next.js app
│ ├── app/
│ ├── components/
│ ├── lib/
│ └── package.json
│
├── backend/ # FastAPI + LangChain + MCP
│ ├── api.py
│ ├── agent.py
│ ├── pyproject.toml
│ └── requirements.txt
│
├── .gitignore
└── README.md______________________________________________________________________
🧪 本地开发
后端
cd backend
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python -m uvicorn api:app --reload前端
cd frontend
npm install
npm run dev______________________________________________________________________
______________________________________________________________________
👤 作者
香港苏杰
- github：
- 领英： https://www.linkedin.com/in/sujay-hk
______________________________________________________________________
⭐ 致谢
- FastAPI和Uvicorn
- LangChain
- AirBnb的MCP（模型上下文协议）
- Vercel&渲染
______________________________________________________________________
该项目是作为 学习驱动，生产级示范 关于如何将代理人工智能系统部署为现实世界的SaaS应用程序。