MCP Server

🚀 LangChain MCP 多服务器集成

这是一个全面的模型上下文协议（MCP）实现方案，它将多种数据源和服务与 LangChain 智能体集成，以实现智能的数据处理和存储。

🚀 主要特性

• 多服务器架构：集成了天气、股票、MongoDB 和 Elasticsearch 服务器。
• AI 智能体集成：LangChain 智能体能够智能地使用所有可用工具。
• 自动数据存储：对话和数据会自动存储到 Elasticsearch 中。
• 实时数据：提供实时天气警报和股票投资组合数据。
• 安全配置：通过 .netrc 文件管理凭证。

📋 前提条件

• Python 3.8 及以上版本。
• Elasticsearch 在 localhost:9200 上运行。
• MongoDB 在 localhost:27017 上运行（可选）。
• 拥有 Kite Connect API 账户以获取股票数据。
• 具备 LLM API 访问权限（兼容 OpenAI 的端点）。

📦 安装指南

1. 克隆仓库：

git clone https://github.com/vamsivenkat987/langchain_mcp_server.git
cd langchain_mcp_server/mcp

2. 安装依赖：

pip install langchain-mcp-adapters langchain-openai elasticsearch pymongo kiteconnect requests

3. 启动所需服务：

# 启动 Elasticsearch
docker run -d -p 9200:9200 -e "discovery.type=single-node" elasticsearch:8.11.0

# 启动 MongoDB（可选）
docker run -d -p 27017:27017 mongo:latest

⚙️ 配置

在项目目录下创建一个 .netrc 文件：

machine llm.model
login your_api_key_here
password https://your-llm-endpoint-here

machine stocks.data
login your_kite_api_key
password your_kite_api_secret
account your_kite_access_token

💻 使用示例

🔨 基础用法

python3 mcp_client.py

🌟 高级用法

单个服务器测试

# 测试天气服务器
python3 weather_server.py

# 测试股票服务器
python3 stocks_server.py

# 测试 Elasticsearch 服务器
python3 elastic_search_server.py

# 测试 MongoDB 服务器
python3 mongo_server.py

🔧 可用工具

天气服务器 (weather_server.py)

• get_alerts(state) - 获取美国某个州的活跃天气警报。
• 使用美国国家气象局 API。

股票服务器 (stocks_server.py)

• get_holdings() - 从 Kite Connect 获取当前股票投资组合。
• 需要有效的 Kite Connect 会话。

Elasticsearch 服务器 (elastic_search_server.py)

• add_document(document, index, doc_id) - 将文档存储到 Elasticsearch 中。
• 自动生成时间戳和 UUID。
• 对字符串输入进行 JSON 解析。

MongoDB 服务器 (mongo_server.py)

• add_conversation_data(user_content, ai_content) - 存储对话。
• add_customer_data(name, age) - 存储客户信息。

📁 项目结构

mcp/
├── mcp_client.py              # 主 LangChain 智能体客户端
├── weather_server.py          # 天气警报 MCP 服务器
├── stocks_server.py           # 股票投资组合 MCP 服务器
├── elastic_search_server.py   # Elasticsearch MCP 服务器
├── mongo_server.py            # MongoDB MCP 服务器
├── test_elastic_search.py     # Elasticsearch 测试工具
├── test_kite.py              # Kite Connect 认证流程
├── test_mcp.py               # MCP 服务器测试
├── .netrc                    # API 凭证（需创建）
├── oneEGaDCA.crt            # SSL 证书
└── README.md                 # 本文件

🤖 AI 智能体工作流程

LangChain 智能体遵循以下工作流程：

1. 处理用户查询：理解用户的需求。
2. 调用合适的工具：
   • 天气查询 → get_alerts(state)
   • 股票查询 → get_holdings()
3. 提供自然响应：以通俗易懂的语言回答用户的问题。
4. 存储数据：自动将对话和数据保存到 Elasticsearch 中。

📊 数据存储

Elasticsearch 索引

• conversations - 用户查询和 AI 响应。
• weather - 天气警报数据。
• stocks - 股票投资组合信息。
• customer_data - 客户信息。

MongoDB 集合

• conversations - 聊天历史记录。
• customers - 客户数据。

🔐 安全特性

• 凭证存储在 .netrc 文件中（不在代码里）。
• 支持 SSL 证书。
• 支持环境变量配置。
• 安全处理 API 令牌。

🔍 示例查询

• "Get me the current weather alerts for New York"（获取纽约当前的天气警报）
• "What are my stock holdings?"（我的股票持仓有哪些？）
• "Is there any connection between my stock portfolio and weather in NY?"（我的股票投资组合和纽约的天气有什么关联吗？）
• "Show me the weather in California and save the data"（显示加利福尼亚的天气并保存数据）

🐛 故障排除

常见问题

1. Elasticsearch 连接错误

   • 确保 Elasticsearch 在 localhost:9200 上运行。
   • 检查服务是否可访问：curl http://localhost:9200。

2. Kite Connect 认证问题

   • 验证 .netrc 中的 API 凭证。
   • 检查访问令牌是否有效（令牌每天过期）。

3. MCP 服务器错误

   • 检查服务器日志以获取详细错误信息。
   • 确保所有依赖项都已安装。

4. LLM 超时错误

   • 在 mcp_client.py 中增加超时时间。
   • 尝试使用流式传输而不是 ainvoke。

📄 API 文档

天气服务器

• 端点：美国国家气象局 API。
• 速率限制：无需认证。
• 数据格式：JSON 格式的天气警报。

股票服务器

• 端点：Kite Connect API。
• 认证：API 密钥 + 密钥 + 访问令牌。
• 速率限制：遵循 Zerodha 的限制。
• 数据格式：包含盈亏信息的投资组合持仓。

🤝 贡献指南

1. 分叉仓库。
2. 创建一个功能分支。
3. 进行更改。
4. 如有必要，添加测试。
5. 提交拉取请求。

🆘 支持

如果遇到问题或有疑问：

• 在 GitHub 上创建一个问题。
• 查看故障排除部分。
• 查看服务器日志以获取详细错误信息。

🔄 版本历史

• v1.0.0 - 初始版本，实现多服务器 MCP 集成。
• v1.1.0 - 增加自动数据存储功能，改进错误处理。
• v1.2.0 - 增强认证和安全特性。