基于 Pydantic 和 Chainlit 的 MCP Agent

一个强大的 AI Agent 实现，使用 Pydantic 和 Chainlit，能够通过 MCP (多命令协议) 进行网页浏览和交互。

特性

• 具备自动交互的网页浏览能力
• 与 Ollama 集成，支持本地 LLM
• 基于 Chainlit 的交互式聊天界面
• 使用 Pydantic 模型进行类型安全的数据处理
• 可配置的 MCP 服务器集成

前提条件

• Python 3.8+
• Node.js 和 npm (用于 MCP 服务器)
• 本地安装 Ollama
• MCP 服务器访问权限

安装

1. 克隆仓库:

git clone https://github.com/RyanNg1403/pydantic-ai-mcp-agent-with-chainlit.git
cd pydantic-ai-mcp-agent-with-chainlit

2. 安装 Python 依赖:

pip install -r requirements.txt

3. 安装 Node.js 依赖:

npm install

配置

1. 复制模板配置文件:

cp mcp_config.template.json mcp_config.json

2. 编辑 mcp_config.json，设置您的配置。为了安全起见，该文件已被 git 忽略。

使用

运行 Chainlit 界面

chainlit run pydantic_mcp_chainlit.py

直接运行 Agent

python pydantic_mcp_agent.py

项目结构

• pydantic_mcp_agent.py: 核心 Agent 实现
• pydantic_mcp_chainlit.py: Chainlit 界面实现
• mcp_client.py: MCP 客户端实现
• requirements.txt: Python 依赖
• mcp_config.template.json: 配置模板
• .gitignore: 指定 git 应该忽略的文件

环境变量

以下环境变量可以在您的 .env 文件中设置:

• EXA_API_KEY: 您的 MCP API 密钥
• OLLAMA_HOST: Ollama 主机地址 (默认: http://localhost:11434)

贡献

1. Fork 仓库
2. 创建您的特性分支 (git checkout -b feature/amazing-feature)
3. 提交您的更改 (git commit -m 'Add some amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 打开一个 Pull Request

许可证

该项目基于 MIT 许可证 - 详情请查看 LICENSE 文件。

鸣谢

• 感谢 Chainlit 团队提供的出色聊天界面
• 感谢 Ollama 团队提供的本地 LLM 解决方案
• 感谢 MCP 团队提供的浏览器自动化能力