feat: mcp

demo/agent/planning_agent.py

@@ -0,0 +1,129 @@
+from langchain_openai import ChatOpenAI
+from langchain_core.tools import tool
+from langchain_core.prompts import ChatPromptTemplate
+from langchain_core.output_parsers import StrOutputParser
+from langchain.agents import AgentExecutor, create_react_agent
+from conf import settings
+
+# 创建模型
+llm = ChatOpenAI(
+    base_url=settings.base_url,
+    api_key=settings.api_key,
+    model=settings.model_name,
+    temperature=0.1
+)
+
+
+# 2.定义工具
+@tool
+def multiply(numbers_str: str) -> int:
+    """用于计算两个整数的乘积。
+
+    参数:
+        numbers_str (str): 包含两个整数的字符串，用逗号分隔，例如："100,25"。
+    返回:
+        int: 两个整数的乘积。
+    """
+    print(f"正在执行乘法: {numbers_str}")
+    try:
+        a_str, b_str = numbers_str.split(',')
+        a = int(a_str.strip())
+        b = int(b_str.strip())
+        return a * b
+    except ValueError:
+        return "输入的格式不正确，请确保是两个用逗号分隔的整数，例如：'100,25'"
+
+
+@tool
+def search_weather(city: str) -> str:
+    """用于查询指定城市的实时天气。"""
+    print(f"正在查询天气: {city}")
+    if "北京" in city:
+        return "北京今天是晴天，气温25摄氏度。"
+    elif "上海" in city:
+        return "上海今天是阴天，有小雨，气温22摄氏度。"
+    else:
+        return f"抱歉，我没有'{city}'的天气信息。"
+
+
+# 将工具列表放入一个变量
+tools = [multiply, search_weather]
+
+# 3.定义规划器 (Planner) 和执行者 (Executor) 的 Prompt
+# 3.1 规划器的 Prompt
+# 规划器的职责是分析用户任务，并将其分解成一系列简单的、可执行的子任务。
+planner_prompt = ChatPromptTemplate.from_template(
+    """你是一个任务规划师，你的工作是将用户提出的一个复杂任务分解成一系列清晰、可执行的步骤。
+    你的输出应该是一个简单的任务列表，每行一个任务。
+
+    例子:
+    用户任务: "请先查上海的天气，然后计算20乘以30。"
+    任务列表:
+    - 查找上海的天气
+    - 计算20乘以30的结果
+
+    用户任务: {user_input}
+    任务列表:
+    """
+)
+# 规划器链，它只负责生成文本化的任务列表
+planner_chain = planner_prompt | llm | StrOutputParser()
+
+# 3.2 执行者的 Prompt
+# 执行者的职责是执行单个任务。在这里，我们使用 ReAct 模式作为执行者，因为它能根据任务描述选择并调用正确的工具。
+# 注意：我们使用一个简化版的 ReAct Prompt，因为它只需要处理单个任务。
+executor_react_prompt_template = """你是一个专业的工具执行者，可以访问以下工具：
+
+{tools}
+
+根据你的思考（Thought）决定下一步的行动（Action）。你的行动必须遵循以下格式：
+Thought: 我需要思考如何完成任务。
+Action: [工具名称]
+Action Input: [工具的输入参数，对于multiply工具，请使用'100,25'这样的格式]
+
+可用的工具名称有: {tool_names}
+
+当你获取了所有必要信息并可以给出最终答案时，请以以下格式结束：
+Thought: 我已经有了最终答案。
+Final Answer: [最终答案]
+
+请执行以下任务：
+{input}
+{agent_scratchpad}
+"""
+executor_prompt = ChatPromptTemplate.from_template(executor_react_prompt_template)
+
+# 4.创建 ReAct Agent 作为执行者
+executor_agent = create_react_agent(llm, tools, executor_prompt)
+executor_executor = AgentExecutor(
+    agent=executor_agent,
+    tools=tools,
+    verbose=True,
+    handle_parsing_errors=True  # 启用错误处理，自动重试解析错误
+)
+
+
+# 5.定义并运行规划模式的工作流
+def execute_planning_pattern(query: str):
+    print("--- 启动规划模式 ---")
+
+    # 规划器分解任务
+    print("\n规划器正在分解任务...")
+    plan = planner_chain.invoke({"user_input": query})
+    tasks = [task.strip() for task in plan.split('\n') if task.strip()]
+    print("规划器生成的任务列表:")
+    for i, task in enumerate(tasks):
+        print(f"  {i + 1}. {task}")
+
+    # 执行者逐一执行任务
+    print("\n执行者正在逐一执行任务...")
+    for i, task in enumerate(tasks):
+        print(f"\n--- 执行任务 {i + 1}: {task} ---")
+        executor_executor.invoke({"input": task})
+
+    print("\n--- 所有任务执行完毕！---")
+
+
+if __name__ == "__main__":
+    test_query = "请先计算 50 乘以 60 的结果，然后告诉我上海的天气怎么样？"
+    execute_planning_pattern(test_query)