mcpField
M
Mcp_agent_streamlit_rag

Mcp_agent_streamlit_rag

github.com/saqadri聊天应用086 周前更新
代码仓库

关于 Mcp_agent_streamlit_rag

Mcp_agent_streamlit_rag 是一款配置为使用 fetch 或 finder MCP 服务的 Streamlit 聊天应用，也可选择配置 Qdrant RAG。README 介绍了运行和配置步骤，未说明其他能力。

主要功能

  1. 01启动 Streamlit 应用
  2. 02配置 fetch 或 finder MCP 服务
  3. 03配置 API 密钥
  4. 04可选配置 Qdrant RAG

适用场景

  1. 01使用 fetch 或 finder 服务运行聊天应用
  2. 02为应用配置 API 密钥
  3. 03启用 Qdrant RAG 配置

MCP 相关

说明中提到使用 fetch 或 finder MCP 服务，但未提供客户端与服务交互的细节。

详细介绍

运行说明：

使用 fetch 或 finder MCP 服务：

  1. cp mcp_agent.secrets.yaml.example mcp_agent.secrets.yaml --> 然后用你的 API 密钥更新（OpenAI API 密钥即可）
  2. uv sync
  3. uv run streamlit run main.py

使用 QDrant 进行 RAG：

  1. 取消注释 main.py 中的第 63-70 行，注释掉当前的 instruction 和 server_names
  2. docker pull qdrant/qdrant
  3. docker run -p 6333:6333 -v $(pwd)/qdrant_storage:/qdrant/storage qdrant/qdrant
  4. uv run streamlit run main.py

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。