🤖 MCP Server Examples with AutoGen

🤖 使用 AutoGen 的 MCP 服务示例

本仓库提供了一个实用演示，展示如何在 AutoGen 框架内使用 Model Context Protocol (MCP) 将工具与 AI Agent 集成。

演示的关键特性：

• 双 MCP 集成： 展示如何将 AutoGen Agent 连接到：
  • 一个使用 Stdio 传输的本地工具服务（math_server.py）。
  • 一个使用 Server-Sent Events (SSE) 传输的远程工具服务（Apify 的 RAG Web Browser Actor）。
• 本地工具示例： 一个通过 math_server.py 在本地运行的简单计算器（add、multiply）。
• 远程工具示例： 通过 Apify 的 MCP 服务利用其 RAG Web Browser Actor进行网页搜索和内容检索。
• AutoGen Agent： 一个配置为使用这两组工具来回答用户查询的 AssistantAgent。

目标： 说明 MCP 的灵活性，使 AI Agent 能够通过标准化通信协议（Stdio 和 SSE）访问本地或远程托管的各类工具。

场景： 示例 Agent 回答两个不同的问题：

1. 一个数学问题（(3 + 5) x 12?），预期使用本地的 math_server.py。
2. 一个获取最新新闻的请求（“总结伊朗与美国谈判的最新消息……”），预期使用远程 Apify 网页浏览工具。

📚 使用的库和框架

• AutoGen：AI Agent 框架（autogen_agentchat、autogen_core、autogen_ext）
• MCP：用于工具集成的 Model Context Protocol
• Python-dotenv：用于环境变量管理
• OpenAI API：用于大模型能力
• Apify API：用于网页浏览能力

🛠️ 设置

请仔细按照以下步骤设置你的环境：

1. 前提条件：

   • 确保已安装 Python 3.12。
   • 如果尚未安装 uv，请安装：

     pip install uv
     

2. 导航到项目目录：

   cd mcp_autogen_sse_stdio
   

3. 创建并激活虚拟环境：

   # 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. 安装依赖项：

   # Install project dependencies
   uv pip install -e .
   

   故障排除说明：如果你在安装 MCP 命令行时遇到任何问题，可以手动安装：

   uv add "mcp[cli]"
   

5. 配置环境变量：

   • 在 mcp_autogen_sse_stdio 目录中创建一个 .env 文件。
   • 添加你的 API 密钥：

     OPENAI_API_KEY=your_openai_api_key_here
     APIFY_API_KEY=your_apify_api_key_here
     

   • 从 Apify MCP 服务页面获取你的 Apify API 密钥

🚀 运行项目

1. 确保你处于父目录中（即项目目录的上一级）：

   cd ..
   

2. 使用 uv 运行主脚本：

   uv run mcp_autogen_sse_stdio/main.py
   

这将运行演示，它会：

1. 使用 Apify 工具总结有关伊朗与美国谈判的新闻
2. 使用本地数学工具解决一个简单的数学问题：(3 + 5) x 12

🔌 了解 MCP (Model Context Protocol)

MCP 是一个标准化 AI 模型与工具之间通信的协议。本示例演示了两种使用 MCP 的方式：

1. 本地工具 (StdioServerParams)

• 使用标准输入/输出进行通信
• 工具在你的本地机器上运行
• 示例：我们的 math_server.py 提供简单的数学运算

2. 远程工具 (SseServerParams)

• 使用 Server-Sent Events (SSE) 进行通信
• 工具在远程服务上运行（如 Apify）
• 示例：通过 Apify 的 rag-web-browser 提供网页浏览能力

📝 代码详解

我们的 main.py 演示了：

1. 环境搭建：

   • 加载 API 密钥并对其进行验证

2. 工具配置：

   • 使用 StdioServerParams 设置本地数学工具
   • 使用 SseServerParams 连接 Apify 的网页浏览器（API 来自 https://apify.com/apify/actors-mcp-server）

3. 创建 Agent：

   • 创建一个同时具备这两套工具的 AutoGen 助手
   • 使用 GPT-4 作为基础模型

4. 任务执行：

   • 运行两个演示任务，展示两种工具的实际应用
   • 通过网页浏览进行新闻摘要
   • 通过数学计算解决算术问题

🔄 通信流程

User → AutoGen Agent → MCP Tools → Results → User

这个示例展示了使用 MCP 将不同类型的工具集成到一个 Agent 中是多么容易！