🤖 MCP Server Examples with AutoGen

🤖 AutoGen による MCP サーバーの例

このリポジトリは、AutoGen フレームワーク内で Model Context Protocol (MCP) を使用して、AI エージェントにツールを統合する実践的なデモンストレーションを提供します。

示されている主な機能:

• デュアル MCP 統合: AutoGen エージェントを以下に接続する方法を示します:
  • Stdio トランスポートを使用するローカルツールサーバー (math_server.py)。
  • Server-Sent Events (SSE) トランスポートを使用するリモートツールサーバー (Apify の RAG Web Browser Actor)。
• ローカルツールの例: math_server.py を介してローカルで実行されるシンプルな計算機 (add、multiply)。
• リモートツールの例: Web 検索とコンテンツ取得のために、Apify の MCP サーバー を介して Apify の RAG Web Browser Actor を活用します。
• AutoGen エージェント: ユーザーのクエリに回答するために、両方のツールセットを利用するように構成された AssistantAgent。

目的: AI エージェントが、ローカルでホストされているかリモートでホストされているかに関係なく、標準化された通信プロトコル (Stdio および SSE) を介して多様なツールにアクセスできるようにする MCP の柔軟性を説明することです。

シナリオ: この例のエージェントは、2 つの異なる質問に回答します:

1. 数学の問題 ((3 + 5) x 12?)。ローカルの math_server.py を使用することが期待されます。
2. 最近のニュースのリクエスト (「イランと米国の交渉に関する最新ニュースを要約してください...」)。リモートの Apify Web ブラウジングツールを使用することが期待されます。

📚 使用されているライブラリとフレームワーク

• AutoGen: AI エージェントフレームワーク (autogen_agentchat、autogen_core、autogen_ext)
• MCP: ツール統合のための Model Context Protocol
• Python-dotenv: 環境変数の管理用
• OpenAI API: LLM 機能用
• Apify API: Web ブラウジング機能用

🛠️ セットアップ

環境をセットアップするには、以下の手順に注意深く従ってください:

1. 前提条件:

   • Python 3.12 がインストールされていることを確認してください。
   • まだインストールしていない場合は、uv をインストールしてください:

     pip install uv
     

2. プロジェクトディレクトリに移動:

   cd mcp_autogen_sse_stdio
   

3. 仮想環境の作成と有効化:

   # Create virtual environment using uv
   uv venv --python 3.12
   
   # Activate the virtual environment
   source .venv/bin/activate  # On macOS/Linux
   # OR
   .\.venv\Scripts\activate  # On Windows
   

4. 依存関係のインストール:

   # Install project dependencies
   uv pip install -e .
   

   トラブルシューティングの注意: MCP CLI のインストールで問題が発生した場合は、手動でインストールできます:

   uv add "mcp[cli]"
   

5. 環境変数の設定:

   • mcp_autogen_sse_stdio ディレクトリに .env ファイルを作成します。
   • API キーを追加します:

     OPENAI_API_KEY=your_openai_api_key_here
     APIFY_API_KEY=your_apify_api_key_here
     

   • Apify API キーは Apify MCP Server ページ から取得してください。

🚀 プロジェクトの実行

1. 親ディレクトリ (プロジェクトディレクトリの 1 つ上) にいることを確認してください:

   cd ..
   

2. uv を使用してメインスクリプトを実行します:

   uv run mcp_autogen_sse_stdio/main.py
   

これにより、以下のデモが実行されます:

1. Apify ツールを使用してイランと米国の交渉に関するニュースを要約します
2. ローカルの数学ツールを使用して簡単な数学の問題 (3 + 5) x 12 を解きます

🔌 MCP (Model Context Protocol) の理解

MCP は、AI モデルとツール間の通信を標準化するプロトコルです。この例では、MCP を使用する 2 つの方法を示します:

1. ローカルツール (StdioServerParams)

• 通信に標準入出力を使用します
• ツールはお使いのマシン上でローカルに実行されます
• 例: math_server.py は簡単な数学演算を提供します

2. リモートツール (SseServerParams)

• 通信に Server-Sent Events (SSE) を使用します
• ツールはリモートサーバー (Apify など) 上で実行されます
• 例: Apify の rag-web-browser を介した Web ブラウジング機能

📝 コードのウォークスルー

main.py では次のことを示しています:

1. 環境のセットアップ:

   • API キーを読み込み、検証します

2. ツールの設定:

   • StdioServerParams を使用してローカルの数学ツールをセットアップします
   • SseServerParams を使用して Apify のウェブブラウザーに接続します (API は https://apify.com/apify/actors-mcp-server から)

3. エージェントの作成:

   • 両方のツールセットを備えた AutoGen アシスタントを作成します
   • ベースモデルとして GPT-4 を使用します

4. タスクの実行:

   • 両方のツールが動作する様子を示す 2 つのデモタスクを実行します
   • ニュース要約のためのウェブブラウジング
   • 算術問題のための数学計算

🔄 通信フロー

User → AutoGen Agent → MCP Tools → Results → User

この例では、MCP を使用してさまざまな種類のツールをいかに簡単に 1 つのエージェントに統合できるかを示しています!