Langgraph MCP Nutrition Analyzer

🚀 🥗 食品カロリーとタンパク質分析ツール

このアプリケーションは、AI技術を活用した栄養アシスタントです。食品の画像を解析して、食品を識別し、カロリーとタンパク質の含有量を計算し、栄養に関する質問に答えます。 LangGraph、Google Gemini、Nutritionix API、Wikipedia、Streamlit を使用して構築されています。

✨ 主な機能

• 食品認識 – 画像をアップロードすると、Geminiが画像内の食品を識別します。
• カロリーとタンパク質の計算 – Nutritionix APIを使用して、正確な栄養情報を取得します。
• 対話型の質問応答 – 解析結果に関する追加の質問（例：「ご飯にはどれくらいのタンパク質が含まれていますか？」）に答えます。
• Wikipediaとの統合 – Wikipediaを通じて、食品の栄養上のメリットを学ぶことができます。
• 会話履歴の保存 – MemorySaver を使用して、解析結果と追加の質問を追跡します。
• StreamlitによるUI – シンプルで使いやすいインターフェースで操作します。
• MCPサーバー（Render） – 栄養ツールは、Render 上にホストされたFastAPI MCPサーバーを介して提供されます。

🔧 技術詳細

• LangGraph – ワークフローのオーケストレーションとメモリ管理
• Google Gemini – 食品の認識と推論に使用するビジョン + LLM
• Nutritionix API – 栄養情報（カロリー、タンパク質など）
• Wikipedia API – 追加の栄養知識
• Streamlit – インタラクション用のフロントエンド
• FastAPI + MCP – バックエンドツールの提供（Render 上にデプロイ）

📂 プロジェクト構成

.devcontainer/
├── devcontainer.json       # メインの設定ファイル
├── backend/                # バックエンドAPIとサービス
│   ├── requirements.txt    # バックエンドの依存関係
│   ├── server.py           # APIサーバー
│
├── frontend/               # Streamlitベースのフロントエンド
│   ├── app.py              # メインアプリ
│   ├── client.py           # バックエンドに接続するクライアント
│   ├── requirements.txt    # フロントエンドの依存関係
│
├── .env.example            # 環境変数のサンプルファイル
├── .gitignore              # Gitの無視ルール
├── .python-version         # Pythonのバージョン
├── pyproject.toml          # プロジェクトのメタデータ
├── README.md               # プロジェクトのドキュメント
├── requirements.txt        # ルートの依存関係
└── uv.lock                 # ロックファイル（uvを使用した再現可能なビルド）

⚡ セットアップ手順

1️⃣ リポジトリをクローンします。

git clone https://github.com/sunilpowar5/LangGraph-MCP-Nutrition-Analyzer.git
cd LangGraph-MCP-Nutrition-Analyzer

2️⃣ 仮想環境を作成し、依存関係をインストールします。

python -m venv .venv
# 仮想環境をアクティブ化
.venv\Scripts\activate      # Windows
source .venv/bin/activate   # Mac/Linux

pip install -r requirements.txt

3️⃣ 環境変数を追加します。

ルートディレクトリに .env ファイルを作成します。

GEMINI_API_KEY=your_google_gemini_api_key
NUTRITIONIX_APP_ID=your_nutritionix_app_id
NUTRITIONIX_API_KEY=your_nutritionix_api_key
LANGCHAIN_API_KEY=your_langchain_api_key

（.env.example をテンプレートとして使用できます）

4️⃣ アプリを実行します（Streamlitフロントエンド）。

streamlit run frontend/app.py

5️⃣ （オプション）バックエンドのMCPサーバーを実行します。

uvicorn backend.server:app --host 0.0.0.0 --port 8000

💻 使用例

基本的な使用法

食品の画像（jpeg/jpg/png）をアップロードします。システムが食品を検出し、Nutritionixがカロリーとタンパク質の情報を取得します。

以下のような追加の質問をすることができます。

• 「この食事は健康的ですか？」
• 「この食事のメリットは何ですか？」

いつでも新しいセッションを開始できます。

高度な使用法

📌 サンプルワークフロー

画像をアップロード → 🍌 + 🥛 が検出されます。

Nutritionixが情報を取得 →

バナナ: 105カロリー、1.3gのタンパク質
牛乳: 103カロリー、8gのタンパク質
合計: 208カロリー、9.3gのタンパク質

「牛乳のメリットは何ですか？」と質問すると、Wikipediaから回答が取得されます。

🚀 ロードマップ

• 複数の食品が写った画像のセグメンテーション（バウンディングボックス）をサポートする。
• より広範な栄養情報を取得するために、追加の栄養APIを追加する。
• Streamlit Cloud / AWSにデプロイする。
• 複数ユーザーの履歴と永続的なストレージを実装する。

🤝 コントリビューション

コントリビューション、問題報告、機能リクエストは大歓迎です！ 自由にPRを作成したり、バグを報告したりしてください。