feat: 项目完成

a2a_server/order_server.py

@@ -0,0 +1,158 @@
+import asyncio
+import uuid
+
+from langchain_openai import ChatOpenAI
+from mcp import ClientSession
+from mcp.client.streamable_http import streamablehttp_client
+from langchain_mcp_adapters.tools import load_mcp_tools
+from langchain.agents import create_tool_calling_agent, AgentExecutor
+from langchain_core.prompts import ChatPromptTemplate
+from python_a2a import AgentCard, AgentSkill, run_server, TaskStatus, TaskState, A2AServer, A2AClient, Message, \
+    TextContent, MessageRole, Task
+
+from create_logger import logger
+from conf import settings
+
+
+# 初始化LLM
+llm = ChatOpenAI(
+    model=settings.model_name,
+    base_url=settings.base_url,
+    api_key=settings.api_key,
+    temperature=0.1
+)
+
+
+# 定义订票函数
+async def order_tickets(query):
+    try:
+        # 启动 MCP server，通过streamable建立连接
+        async with streamablehttp_client("http://127.0.0.1:8003/mcp") as (read, write, _):
+            # 使用读写通道创建 MCP 会话
+            async with ClientSession(read, write) as session:
+                try:
+                    await session.initialize()
+
+                    # 从 session 自动获取 MCP server 提供的工具列表。
+                    tools = await load_mcp_tools(session)
+                    # print(f"tools-->{tools}")
+
+                    # 创建 agent 的提示模板
+                    prompt = ChatPromptTemplate.from_messages([
+                        ("system",
+                         "你是一个票务预定助手，能够调用工具来完成火车票、飞机票或演出票的预定。你需要仔细分析工具需要的参数，然后从用户提供的信息中提取信息。如果用户提供的信息不足以提取到调用工具所有必要参数，则向用户追问，以获取该信息。不能自己编撰参数。"),
+                        ("human", "{input}"),
+                        ("placeholder", "{agent_scratchpad}"),
+                    ])
+
+                    # 构建工具调用代理
+                    agent = create_tool_calling_agent(llm, tools, prompt)
+
+                    # 创建代理执行器
+                    agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
+
+                    # 代理调用
+                    response = await agent_executor.ainvoke({"input": query})
+
+                    return {"status": "success", "message": f"{response['output']}"}
+                except Exception as e:
+                    logger.error(f"票务 MCP 测试出错：{str(e)}")
+                    return {"status": "error", "message": f"票务 MCP 查询出错：{str(e)}"}
+    except Exception as e:
+        logger.error(f"连接或会话初始化时发生错误: {e}")
+        return {"status": "error", "message": "连接或会话初始化时发生错误"}
+
+
+# Agent 卡片定义
+agent_card = AgentCard(
+    name="TicketOrderAssistant",
+    description="通过MCP提供票务预定服务的助手",
+    url="http://localhost:5007",
+    version="1.0.4",
+    capabilities={"streaming": True, "memory": True},
+    skills=[
+        AgentSkill(
+            name="execute ticket order",
+            description="根据客户端提供的输入执行票务预定，返回执行结果",
+            examples=["北京 到 上海 2025-11-15 火车票 二等座 1张",
+                      "上海 到 北京 2025-12-11 飞机票 公务舱 2张"]
+        )
+    ]
+)
+
+
+# 票务预定服务器类
+class TicketOrderServer(A2AServer):
+    def __init__(self):
+        super().__init__(agent_card=agent_card)
+        self.llm = llm
+        self.ticket_client = A2AClient("http://localhost:5006")
+
+    # 处理任务：提取输入，查询余票，调用MCP，结果输出
+    def handle_task(self, task):
+        # 1 提取输入
+        content = (task.message or {}).get("content", {})  # 从消息中获取内容
+        # 提取conversation，即客户端发起的任务中的query语句
+        conversation = content.get("text", "") if isinstance(content, dict) else ""
+        logger.info(f"对话历史及用户问题: {conversation}")
+
+        try:
+            # 2 调用票务查询agent查询余票
+            message_ticket = Message(content=TextContent(text=conversation), role=MessageRole.USER)
+            task_ticket = Task(id="task-" + str(uuid.uuid4()), message=message_ticket.to_dict())
+
+            # 发送任务并获取最终结果
+            ticket_result_task = asyncio.run(self.ticket_client.send_task_async(task_ticket))
+            logger.info(f"原始响应: {ticket_result_task}")
+
+            # 处理结果：未查到余票信息时，则返回提示信息
+            if ticket_result_task.status.state != 'completed':
+                required_message = ticket_result_task.status.message['content']['text']
+                logger.info(f'余票未查到：{required_message}')
+                task.status = TaskStatus(state=TaskState.INPUT_REQUIRED,
+                                         message={"role": "agent", "content": {"text": required_message}})
+                return task
+            # 处理结果：查到余票信息时，进行订票
+            ticket_result = ticket_result_task.artifacts[0]["parts"][0]["text"]
+            logger.info(f"余票信息: {ticket_result}")
+
+            # 3 调用MCP订票
+            order_result = asyncio.run(order_tickets(conversation + '\n余票信息：' + ticket_result))
+            logger.info(f"MCP 返回: {order_result}")
+
+            # 4 结果输出
+            data = order_result.get("message", '')
+            logger.info(f"订票结果: {data}")
+            # 检查响应状态
+            if order_result.get("status") == "success":
+                result = '余票信息：' + ticket_result + '\n订票结果：' + data
+                # 设置任务产物为文本部分，并设置任务状态为完成
+                task.artifacts = [{"parts": [{"type": "text", "text": result}]}]
+                task.status = TaskStatus(state=TaskState.COMPLETED)
+            else:
+                # 设置任务状态为失败，添加错误信息
+                task.status = TaskStatus(state=TaskState.FAILED,
+                                         message={"role": "agent", "content": {"text": data}})
+            return task
+        except Exception as e:  # 捕获异常
+            logger.error(f"查询失败: {str(e)}")
+
+            # 设置任务状态为失败，添加错误信息
+            task.status = TaskStatus(state=TaskState.FAILED,
+                                     message={"role": "agent", "content": {"text": f"查询失败: {str(e)} 请重试或提供更多细节。"}})
+            return task
+
+
+if __name__ == "__main__":
+    # 创建并运行服务器
+    # 实例化票务查询服务器
+    ticket_server = TicketOrderServer()
+    # 打印服务器信息
+    print("\n=== 服务器信息 ===")
+    print(f"名称: {ticket_server.agent_card.name}")
+    print(f"描述: {ticket_server.agent_card.description}")
+    print("\n技能:")
+    for skill in ticket_server.agent_card.skills:
+        print(f"- {skill.name}: {skill.description}")
+    # 运行服务器
+    run_server(ticket_server, host="127.0.0.1", port=5007)

a2a_server/ticket_server.py

@@ -0,0 +1,283 @@
+import json
+import asyncio
+
+from mcp import ClientSession
+from mcp.client.streamable_http import streamablehttp_client
+from python_a2a import A2AServer, run_server, AgentCard, AgentSkill, TaskStatus, TaskState
+from langchain_openai import ChatOpenAI
+from langchain_core.prompts import ChatPromptTemplate
+from datetime import datetime
+import pytz
+from create_logger import logger
+
+from conf import settings
+
+
+# 初始化LLM
+llm = ChatOpenAI(
+    model=settings.model_name,
+    base_url=settings.base_url,
+    api_key=settings.api_key,
+    temperature=0.1
+)
+
+
+# 数据表 schema
+table_schema_string = """  # 定义票务表SQL schema字符串，用于Prompt上下文
+CREATE TABLE train_tickets (
+    id INT AUTO_INCREMENT PRIMARY KEY COMMENT '主键，自增，唯一标识每条记录',
+    departure_city VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '出发城市（如“北京”）',
+    arrival_city VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '到达城市（如“上海”）',
+    departure_time DATETIME NOT NULL COMMENT '出发时间（如“2025-08-12 07:00:00”）',
+    arrival_time DATETIME NOT NULL COMMENT '到达时间（如“2025-08-12 11:30:00”）',
+    train_number VARCHAR(20) NOT NULL COMMENT '火车车次（如“G1001”）',
+    seat_type VARCHAR(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '座位类型（如“二等座”）',
+    total_seats INT NOT NULL COMMENT '总座位数（如 1000）',
+    remaining_seats INT NOT NULL COMMENT '剩余座位数（如 50）',
+    price DECIMAL(10, 2) NOT NULL COMMENT '票价（如 553.50）',
+    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间，自动记录插入时间',
+    UNIQUE KEY unique_train (departure_time, train_number)
+) COMMENT='火车票信息表';
+
+-- 机票表
+CREATE TABLE flight_tickets (
+    id INT AUTO_INCREMENT PRIMARY KEY COMMENT '主键，自增，唯一标识每条记录',
+    departure_city VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '出发城市（如“北京”）',
+    arrival_city VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '到达城市（如“上海”）',
+    departure_time DATETIME NOT NULL COMMENT '出发时间（如“2025-08-12 08:00:00”）',
+    arrival_time DATETIME NOT NULL COMMENT '到达时间（如“2025-08-12 10:30:00”）',
+    flight_number VARCHAR(20) NOT NULL COMMENT '航班号（如“CA1234”）',
+    cabin_type VARCHAR(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '舱位类型（如“经济舱”）',
+    total_seats INT NOT NULL COMMENT '总座位数（如 200）',
+    remaining_seats INT NOT NULL COMMENT '剩余座位数（如 10）',
+    price DECIMAL(10, 2) NOT NULL COMMENT '票价（如 1200.00）',
+    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间，自动记录插入时间',
+    UNIQUE KEY unique_flight (departure_time, flight_number)
+) COMMENT='航班机票信息表';
+
+-- 演唱会票表
+CREATE TABLE concert_tickets (
+    id INT AUTO_INCREMENT PRIMARY KEY COMMENT '主键，自增，唯一标识每条记录',
+    artist VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '艺人名称（如“周杰伦”）',
+    city VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '举办城市（如“上海”）',
+    venue VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '场馆（如“上海体育场”）',
+    start_time DATETIME NOT NULL COMMENT '开始时间（如“2025-08-12 19:00:00”）',
+    end_time DATETIME NOT NULL COMMENT '结束时间（如“2025-08-12 22:00:00”）',
+    ticket_type VARCHAR(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '票类型（如“VIP”）',
+    total_seats INT NOT NULL COMMENT '总座位数（如 5000）',
+    remaining_seats INT NOT NULL COMMENT '剩余座位数（如 100）',
+    price DECIMAL(10, 2) NOT NULL COMMENT '票价（如 880.00）',
+    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间，自动记录插入时间',
+    UNIQUE KEY unique_concert (start_time, artist, ticket_type)
+) COMMENT='演唱会门票信息表';
+"""
+
+# 生成SQL的提示词
+sql_prompt = ChatPromptTemplate.from_template("""
+系统提示：你是一个专业的票务SQL生成器，需要从对话历史（含用户的问题）中提取用户的意图以及关键信息，然后基于train_tickets、flight_tickets、concert_tickets表生成SELECT语句。
+根据对话历史：
+1. 提取用户的意图，意图有3种（train: 火车/高铁, flight: 机票, concert: 演唱会），输出：{{"type": "train/flight/concert"}}；如果无法识别意图，或者意图不在这3种内，则模仿最后1个示例回复即可。
+2. 根据用户的意图，生成对应表的 SELECT 语句，仅查询指定字段：
+- train_tickets: id, departure_city, arrival_city, departure_time, arrival_time, train_number, seat_type, price, remaining_seats
+- flight_tickets: id, departure_city, arrival_city, departure_time, arrival_time, flight_number, cabin_type, price, remaining_seats
+- concert_tickets: id, artist, city, venue, start_time, end_time, ticket_type, price, remaining_seats
+3. 如果用户在查询票务信息时，缺少必要信息，则输出：{{"status": "input_required", "message": "请提供票务类型（如火车票、机票、演唱会）和必要信息（如城市、日期）。"}} ，如示例所示；如果对话历史中信息齐全，则输出纯SQL即可。
+其中，每种意图必要的信息有：
+- flight/train: 【departure_city (出发城市), arrival_city (到达城市), date (日期)】 或 【train_number/flight_number (车次)】
+- concert: city (城市), artist (艺人), date (日期)。
+4. 按要求输出两行数据或一行数据即可，不需要输出其他内容。
+
+
+示例：
+- 对话: user: 火车票 北京 上海 2025-07-31 硬卧
+输出: 
+{{"type": "train"}}
+SELECT id, departure_city, arrival_city, departure_time, arrival_time, train_number, seat_type, price, remaining_seats FROM train_tickets WHERE departure_city = '北京' AND arrival_city = '上海' AND DATE(departure_time) = '2025-07-31' AND seat_type = '硬卧'
+
+- 对话: user: 机票 上海 广州 2025-09-11 头等舱
+输出: 
+{{"type": "flight"}}
+SELECT id, departure_city, arrival_city, departure_time, arrival_time, flight_number, cabin_type, price, remaining_seats FROM flight_tickets WHERE departure_city = '上海' AND arrival_city = '广州' AND DATE(departure_time) = '2025-09-11' AND cabin_type = '头等舱'
+
+- 对话: user: 演唱会 北京 刀郎 2025-08-23 看台
+输出: 
+{{"type": "concert"}}
+SELECT id, artist, city, venue, start_time, end_time, ticket_type, price, remaining_seats FROM concert_tickets WHERE city = '北京' AND artist = '刀郎' AND DATE(start_time) = '2025-08-23' AND ticket_type = '看台'
+
+- 对话: user: 火车票
+输出: 
+{{"status": "input_required", "message": "请提供票务类型（如火车票、机票、演唱会）和必要信息（如城市、日期）。"}}
+
+- 对话: user: 你好
+输出: 
+{{"status": "input_required", "message": "请提供票务类型（如火车票、机票、演唱会）和必要信息（如城市、日期）。"}} 
+
+表结构：{table_schema_string}
+对话历史: {conversation}
+当前日期: {current_date} (Asia/Shanghai)
+    """
+)
+
+
+# 定义查询函数
+async def get_ticket_info(sql):
+    try:
+        # 启动 MCP server，通过streamable建立连接
+        async with streamablehttp_client("http://127.0.0.1:8001/mcp") as (read, write, _):
+            # 使用读写通道创建 MCP 会话
+            async with ClientSession(read, write) as session:
+                try:
+                    await session.initialize()
+                    # 工具调用
+                    result = await session.call_tool("query_tickets", {"sql": sql})
+                    result_data = json.loads(result) if isinstance(result, str) else result
+                    logger.info(f"票务查询结果：{result_data}")
+                    return result_data.content[0].text
+                except Exception as e:
+                    logger.error(f"票务 MCP 测试出错：{str(e)}")
+                    return {"status": "error", "message": f"票务 MCP 查询出错：{str(e)}"}
+    except Exception as e:
+        logger.error(f"连接或会话初始化时发生错误: {e}")
+        return {"status": "error", "message": "连接或会话初始化时发生错误"}
+
+
+# Agent 卡片定义
+agent_card = AgentCard(
+    name="TicketQueryAssistant",
+    description="基于 LangChain 提供票务查询服务的助手",
+    url="http://localhost:5006",
+    version="1.0.4",
+    capabilities={"streaming": True, "memory": True},
+    skills=[
+        AgentSkill(
+            name="execute ticket query",
+            description="根据客户端提供的输入执行票务查询，返回数据库结果，支持自然语言输入",
+            examples=["火车票 北京 上海 2025-07-31 硬卧", "机票 北京 上海 2025-07-31 经济舱",
+                      "演唱会 北京 刀郎 2025-08-23 看台"]
+        )
+    ]
+)
+
+
+# 票务查询服务器类
+class TicketQueryServer(A2AServer):
+    def __init__(self):
+        super().__init__(agent_card=agent_card)
+        self.llm = llm
+        self.sql_prompt = sql_prompt
+        self.schema = table_schema_string
+
+    # 定义生成SQL查询方法，输入对话历史，返回SQL或追问JSON
+    def generate_sql_query(self, conversation: str) -> dict:
+        try:
+            # 组装链
+            chain = self.sql_prompt | self.llm
+            # 调用链
+            current_date = datetime.now(pytz.timezone('Asia/Shanghai')).strftime('%Y-%m-%d')  # 获取当前日期，格式化为字符串
+            output = chain.invoke({"conversation": conversation, "current_date": current_date, "table_schema_string": self.schema}).content.strip()
+            logger.info(f"原始 LLM 输出: {output}")
+
+            # 处理结果，返回字典
+            lines = output.split('\n')
+            type_line = lines[0].strip()
+            if type_line.startswith('```json'):  # 检查是否以```json开头
+                type_line = lines[1].strip()  # 取下一行为类型行
+                sql_lines = lines[3:-1] if lines[-1].strip() == '```' else lines[3:]  # 提取SQL行，跳过代码块标记
+            else:
+                sql_lines = lines[1:] if len(lines) > 1 else []  # 取剩余行为SQL行
+
+            # 提取 type 和 SQL
+            if type_line.startswith('{"type":'):  # 如果以{"type":开头
+                query_type = json.loads(type_line)["type"]  # 解析并提取类型
+                sql_query = ' '.join([line.strip() for line in sql_lines if line.strip() and not line.startswith('```')])  # 连接SQL行，过滤空行和代码块
+                logger.info(f"分类类型: {query_type}, 生成的 SQL: {sql_query}")
+                return {"status": "sql", "type": query_type, "sql": sql_query}  # 返回SQL状态字典，包括类型
+            elif type_line.startswith('{"status": "input_required"'):  # 检查是否为追问JSON
+                return json.loads(type_line)
+            else:  # 无效格式
+                logger.error(f"无效的 LLM 输出格式: {output}")
+                return {"status": "input_required", "message": "无法解析查询类型或SQL，请提供更明确的信息。"}  # 返回默认追问
+        except Exception as e:
+            logger.error(f"SQL 生成失败: {str(e)}")
+            return {"status": "input_required", "message": "查询无效，请提供查询票务的相关信息。"}  # 返回追问JSON
+
+    # 处理任务：提取输入，生成SQL，调用MCP，格式化结果
+    def handle_task(self, task):
+        # 1 提取输入
+        content = (task.message or {}).get("content", {})  # 从消息中获取内容
+        # 提取conversation，即客户端发起的任务中的query语句
+        conversation = content.get("text", "") if isinstance(content, dict) else ""
+        logger.info(f"对话历史及用户问题: {conversation}")
+
+        try:
+            # 2 基于用户问题生成SQL查询
+            gen_result = self.generate_sql_query(conversation)
+            # 检查是否需要追问，如果是则添加追问消息后返回任务
+            if gen_result["status"] == "input_required":
+                task.status = TaskStatus(state=TaskState.INPUT_REQUIRED,
+                                         message={"role": "agent", "content": {"text": gen_result["message"]}})
+                return task
+
+            # 否则则提取SQL查询，并进行MCP调用
+            sql_query = gen_result["sql"]
+            query_type = gen_result["type"]
+            logger.info(f"执行 SQL 查询: {sql_query} (类型: {query_type})")
+
+            # 3 调用MCP
+            ticket_result = asyncio.run(get_ticket_info(sql_query))
+
+            # 4 格式化结果
+            response = json.loads(ticket_result) if isinstance(ticket_result, str) else ticket_result
+            logger.info(f"MCP 返回: {response}")
+            # 检查响应状态
+            if response.get("status") == "success":
+                data = response.get("data", [])  # 提取数据列表
+                response_text = ""  # 初始化响应文本
+                for d in data:  # 遍历每个数据项
+                    if query_type == "train":  # 火车票类型
+                        response_text += f"{d['departure_city']} 到 {d['arrival_city']} {d['departure_time']}: 车次 {d['train_number']}，{d['seat_type']}，票价 {d['price']}元，剩余 {d['remaining_seats']} 张\n"  # 格式化火车票文本
+                    elif query_type == "flight":  # 机票类型
+                        response_text += f"{d['departure_city']} 到 {d['arrival_city']} {d['departure_time']}: 航班 {d['flight_number']}，{d['cabin_type']}，票价 {d['price']}元，剩余 {d['remaining_seats']} 张\n"  # 格式化机票文本
+                    elif query_type == "concert":  # 演唱会类型
+                        response_text += f"{d['city']} {d['start_time']}: {d['artist']} 演唱会，{d['ticket_type']}，场地 {d['venue']}，票价 {d['price']}元，剩余 {d['remaining_seats']} 张\n"  # 格式化演唱会文本
+                if not response_text:  # 检查文本是否为空
+                    response_text = "无结果。如果需要其他日期，请补充。"
+
+                # 设置任务产物为文本部分，并设置任务状态为完成
+                task.artifacts = [{"parts": [{"type": "text", "text": response_text}]}]
+                task.status = TaskStatus(state=TaskState.COMPLETED)
+            elif response.get("status") == "no_data":
+                response_text = response.get("message", "请输出查询票务的详细信息。")
+
+                # 设置任务状态为输入所需，添加追问消息
+                task.status = TaskStatus(state=TaskState.INPUT_REQUIRED,
+                                         message={"role": "agent", "content": {"text": response_text}})
+            else:
+                response_text = response.get("message", "查询失败，请重试或提供更多细节。")
+
+                # 设置任务状态为失败，添加错误信息
+                task.status = TaskStatus(state=TaskState.FAILED,
+                                         message={"role": "agent", "content": {"text": response_text}})
+            return task
+        except Exception as e:  # 捕获异常
+            logger.error(f"查询失败: {str(e)}")
+
+            # 设置任务状态为失败，添加错误信息
+            task.status = TaskStatus(state=TaskState.FAILED,
+                                     message={"role": "agent", "content": {"text": f"查询失败: {str(e)} 请重试或提供更多细节。"}})
+            return task
+
+
+if __name__ == "__main__":
+    # 创建并运行服务器
+    # 实例化票务查询服务器
+    ticket_server = TicketQueryServer()
+    # 打印服务器信息
+    print("\n=== 服务器信息 ===")
+    print(f"名称: {ticket_server.agent_card.name}")
+    print(f"描述: {ticket_server.agent_card.description}")
+    print("\n技能:")
+    for skill in ticket_server.agent_card.skills:
+        print(f"- {skill.name}: {skill.description}")
+    # 运行服务器
+    run_server(ticket_server, host="127.0.0.1", port=5006)

a2a_server/weather_server.py

@@ -0,0 +1,227 @@
+import json
+import asyncio
+from mcp import ClientSession
+from mcp.client.streamable_http import streamablehttp_client
+from python_a2a import A2AServer, run_server, AgentCard, AgentSkill, TaskStatus, TaskState
+from langchain_openai import ChatOpenAI
+from langchain_core.prompts import ChatPromptTemplate
+from datetime import datetime
+import pytz
+from create_logger import logger
+from conf import settings
+
+
+# 初始化LLM
+llm = ChatOpenAI(
+    model=settings.model_name,
+    base_url=settings.base_url,
+    api_key=settings.api_key,
+    temperature=0.1
+)
+
+# 数据表 schema
+table_schema_string = """  # 定义天气数据表的SQL schema字符串，用于Prompt上下文
+CREATE TABLE IF NOT EXISTS weather_data (
+id INT AUTO_INCREMENT PRIMARY KEY,
+city VARCHAR(50) NOT NULL COMMENT '城市名称',
+fx_date DATE NOT NULL COMMENT '预报日期',
+sunrise TIME COMMENT '日出时间',
+sunset TIME COMMENT '日落时间',
+moonrise TIME COMMENT '月升时间',
+moonset TIME COMMENT '月落时间',
+moon_phase VARCHAR(20) COMMENT '月相名称',
+moon_phase_icon VARCHAR(10) COMMENT '月相图标代码',
+temp_max INT COMMENT '最高温度',
+temp_min INT COMMENT '最低温度',
+icon_day VARCHAR(10) COMMENT '白天天气图标代码',
+text_day VARCHAR(20) COMMENT '白天天气描述',
+icon_night VARCHAR(10) COMMENT '夜间天气图标代码',
+text_night VARCHAR(20) COMMENT '夜间天气描述',
+wind360_day INT COMMENT '白天风向360角度',
+wind_dir_day VARCHAR(20) COMMENT '白天风向',
+wind_scale_day VARCHAR(10) COMMENT '白天风力等级',
+wind_speed_day INT COMMENT '白天风速 (km/h)',
+wind360_night INT COMMENT '夜间风向360角度',
+wind_dir_night VARCHAR(20) COMMENT '夜间风向',
+wind_scale_night VARCHAR(10) COMMENT '夜间风力等级',
+wind_speed_night INT COMMENT '夜间风速 (km/h)',
+precip DECIMAL(5,1) COMMENT '降水量 (mm)',
+uv_index INT COMMENT '紫外线指数',
+humidity INT COMMENT '相对湿度 (%)',
+pressure INT COMMENT '大气压强 (hPa)',
+vis INT COMMENT '能见度 (km)',
+cloud INT COMMENT '云量 (%)',
+update_time DATETIME COMMENT '数据更新时间',
+UNIQUE KEY unique_city_date (city, fx_date)
+) ENGINE=INNODB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='天气数据表';
+"""
+
+# 生成SQL的提示词
+sql_prompt = ChatPromptTemplate.from_template(
+    """
+系统提示：你是一个专业的天气SQL生成器，需要从对话历史（含用户的问题）中提取关键信息，然后基于weather_data表生成SELECT语句。
+- 如果用户需要查天气，则至少需要城市和时间信息。如果对话历史中缺乏必要的信息，可以向其追问，输出格式为json格式，如示例所示；
+- 如果对话历史中信息齐全，则输出纯SQL即可。
+- 如果用户问与天气无关的问题，则模仿最后2个示例回复即可。
+
+
+示例：
+- 对话: user: 北京 2025-07-30
+输出: SELECT city, fx_date, temp_max, temp_min, text_day, text_night, humidity, wind_dir_day, precip FROM weather_data WHERE city = '北京' AND fx_date = '2025-07-30'
+- 对话: user: 上海未来3天的天气
+输出: SELECT city, fx_date, temp_max, temp_min, text_day, text_night, humidity, wind_dir_day, precip FROM weather_data WHERE city = '上海' AND fx_date BETWEEN '2025-07-30' AND '2025-08-01' ORDER BY fx_date
+- 对话: user: 北京的天气
+输出: {{"status": "input_required", "message": "请提供具体的需要查询的日期，例如 '2025-07-30'。"}}
+- 对话: user: 今天\nassistant: 请提供城市。\nuser: 北京
+输出: SELECT city, fx_date, temp_max, temp_min, text_day, text_night, humidity, wind_dir_day, precip FROM weather_data WHERE city = '北京' AND fx_date = '2025-07-30'
+- 对话: user: 北京明天的天气\nassistant: 多云。\nuser: 后天呢
+输出: SELECT city, fx_date, temp_max, temp_min, text_day, text_night, humidity, wind_dir_day, precip FROM weather_data WHERE city = '北京' AND fx_date = '2025-08-01'
+- 对话: user: 你好
+输出: {{"status": "input_required", "message": "请提供城市和日期，例如 '北京 2025-07-30'。"}}
+- 对话: user: 今天有什么好吃的
+输出: {{"status": "input_required", "message": "请提供天气相关查询，包括城市和日期。"}}
+
+weather_data表结构：{table_schema_string}
+对话历史: {conversation}
+当前日期: {current_date} (Asia/Shanghai)
+    """
+)
+
+
+# 定义查询函数
+async def get_weather(sql):
+    try:
+        # 启动 MCP server，通过streamable建立连接
+        async with streamablehttp_client("http://127.0.0.1:8002/mcp") as (read, write, _):
+            # 使用读写通道创建 MCP 会话
+            async with ClientSession(read, write) as session:
+                try:
+                    await session.initialize()
+                    # 工具调用
+                    result = await session.call_tool("query_weather", {"sql": sql})
+                    result_data = json.loads(result) if isinstance(result, str) else result
+                    logger.info(f"天气查询结果：{result_data}")
+                    return result_data.content[0].text
+                except Exception as e:
+                    logger.error(f"天气 MCP 测试出错：{str(e)}")
+                    return {"status": "error", "message": f"天气 MCP 查询出错：{str(e)}"}
+    except Exception as e:
+        logger.error(f"连接或会话初始化时发生错误: {e}")
+        return {"status": "error", "message": "连接或会话初始化时发生错误"}
+
+
+# Agent卡片定义
+agent_card = AgentCard(
+    name="WeatherQueryAssistant",
+    description="基于LangChain提供天气查询服务的助手",
+    url="http://localhost:5005",
+    version="1.0.0",
+    capabilities={"streaming": True, "memory": True},  # 设置能力：支持流式和内存
+    skills=[  # 定义技能列表
+        AgentSkill(
+            name="execute weather query",
+            description="执行天气查询，返回天气数据库结果，支持自然语言输入",
+            examples=["北京 2025-07-30 天气", "上海未来5天", "今天天气如何"]
+        )
+    ]
+)
+
+
+# 天气查询服务器类
+class WeatherQueryServer(A2AServer):
+    def __init__(self):
+        super().__init__(agent_card=agent_card)
+        self.llm = llm
+        self.sql_prompt = sql_prompt
+        self.schema = table_schema_string
+
+    # 定义生成SQL查询方法，输入对话历史，返回SQL或追问JSON
+    def generate_sql_query(self, conversation: str) -> dict:
+        try:
+            # 组装链
+            chain = self.sql_prompt | self.llm
+            # 调用链
+            current_date = datetime.now(pytz.timezone('Asia/Shanghai')).strftime('%Y-%m-%d')  # 获取当前日期，格式化为字符串
+            output = chain.invoke({"conversation": conversation, "current_date": current_date, "table_schema_string": self.schema}).content.strip()
+            logger.info(f"原始 LLM 输出: {output}")
+            # 处理结果，返回字典
+            if output.startswith('{'):  # 检查输出是否以JSON开头
+                return json.loads(output)
+            return {"status": "sql", "sql": output}
+        except Exception as e:
+            logger.error(f"SQL生成失败: {str(e)}")
+            return {"status": "input_required", "message": "查询无效，请提供城市和日期。"}  # 返回追问JSON
+
+    # 处理任务：提取输入，生成SQL，调用MCP，格式化结果
+    def handle_task(self, task):
+        # 1 提取输入
+        content = (task.message or {}).get("content", {})  # 从消息中获取内容
+        # 提取conversation，即客户端发起的任务中的query语句
+        conversation = content.get("text", "") if isinstance(content, dict) else ""
+        logger.info(f"对话历史及用户问题: {conversation}")
+
+        try:
+            # 2 基于用户问题生成SQL查询
+            gen_result = self.generate_sql_query(conversation)
+            # 检查是否需要追问，如果是则添加追问消息后返回任务
+            if gen_result["status"] == "input_required":
+                # 追问逻辑，这里是指在无法正常生成sql时，设置任务状态为输入所需，添加追问消息
+                task.status = TaskStatus(state=TaskState.INPUT_REQUIRED,
+                                         message={"role": "agent", "content": {"text": gen_result["message"]}})
+                return task
+
+            # 否则则提取SQL查询，并进行MCP调用
+            sql_query = gen_result["sql"]  #
+            logger.info(f"生成的SQL查询: {sql_query}")
+
+            # 3 调用MCP
+            weather_result = asyncio.run(get_weather(sql_query))
+
+            # 4 格式化结果
+            response = json.loads(weather_result) if isinstance(weather_result, str) else weather_result
+            logger.info(f"MCP 返回: {response}")
+            # 检查响应状态
+            if response.get("status") == "success":
+                data = response.get("data", [])  # 提取数据列表
+                response_text = "\n".join([f"{d['city']} {d['fx_date']}: {d['text_day']}（夜间 {d['text_night']}），温度 {d['temp_min']}-{d['temp_max']}°C，湿度 {d['humidity']}%，风向 {d['wind_dir_day']}，降水 {d['precip']}mm" for d in data])  # 格式化每个数据项为友好文本，连接成多行
+
+                # 设置任务产物为文本部分，并设置任务状态为完成
+                task.artifacts = [{"parts": [{"type": "text", "text": response_text}]}]
+                task.status = TaskStatus(state=TaskState.COMPLETED)
+            elif response.get("status") == "no_data":
+                response_text = response.get("message", "请重新输入查询的城市和日期。")
+
+                # 设置任务状态为输入所需，添加追问消息
+                task.status = TaskStatus(state=TaskState.INPUT_REQUIRED,
+                                         message={"role": "agent", "content": {"text": response_text}})
+            else:
+                response_text = response.get("message", "查询失败，请重试或提供更多细节。")
+
+                # 设置任务状态为失败，添加错误信息
+                task.status = TaskStatus(state=TaskState.FAILED,
+                                         message={"role": "agent", "content": {"text": response_text}})
+
+            return task
+        except Exception as e:  # 捕获异常
+            logger.error(f"查询失败: {str(e)}")
+
+            # 设置任务状态为失败，添加错误信息
+            task.status = TaskStatus(state=TaskState.FAILED,
+                                     message={"role": "agent",
+                                              "content": {"text": f"查询失败: {str(e)} 请重试或提供更多细节。"}})
+            return task
+
+
+if __name__ == "__main__":
+    # 创建并运行服务器
+    # 实例化天气查询服务器
+    weather_server = WeatherQueryServer()
+    # 打印服务器信息
+    print("\n=== 服务器信息 ===")
+    print(f"名称: {weather_server.agent_card.name}")
+    print(f"描述: {weather_server.agent_card.description}")
+    print("\n技能:")
+    for skill in weather_server.agent_card.skills:
+        print(f"- {skill.name}: {skill.description}")
+    # 运行服务器
+    run_server(weather_server, host="127.0.0.1", port=5005)

app/mian.py

@@ -0,0 +1,236 @@
+import asyncio
+import json
+import uuid
+from datetime import datetime
+import pytz
+import re
+from python_a2a import AgentNetwork, TextContent, Message, MessageRole, Task
+from langchain_openai import ChatOpenAI
+from create_logger import logger
+from app.prompts import SmartVoyagePrompts
+from conf import settings
+
+
+# 初始化全局变量，用于模拟会话状态   这些变量替换了Streamlit的session_state
+messages = []  # 存储对话历史消息列表，每个元素为字典{"role": "user/assistant", "content": "消息内容"}
+agent_network = None  # 代理网络实例
+llm = None  # 大语言模型实例
+agent_urls = {}  # 存储代理的URL信息字典
+conversation_history = ""  # 存储整个对话历史字符串，用于意图识别
+
+
+# 初始化代理网络和相关组件   此部分在脚本启动时执行一次，模拟Streamlit的初始化
+def initialize_system():
+    """
+    初始化系统组件，包括代理网络、路由器、LLM和会话状态
+    核心逻辑：构建AgentNetwork，添加代理，创建路由器和LLM
+    """
+    global agent_network, llm, agent_urls, conversation_history
+    # 存储代理URL信息，便于查看
+    agent_urls = {
+        "WeatherQueryAssistant": "http://localhost:5005",  # 天气代理URL
+        "TicketQueryAssistant": "http://localhost:5006",  # 票务代理URL
+        "TicketOrderAssistant": "http://localhost:5007" # 票务预定URL
+    }
+    # 创建代理网络
+    network = AgentNetwork(name="旅行助手网络")
+    network.add("WeatherQueryAssistant", "http://localhost:5005")
+    network.add("TicketQueryAssistant", "http://localhost:5006")
+    network.add("TicketOrderAssistant", "http://localhost:5007")
+    agent_network = network
+
+    # 加载配置并创建LLM
+    llm = ChatOpenAI(
+        model=settings.model_name,
+        api_key=settings.api_key,
+        base_url=settings.base_url,
+        temperature=0.1
+    )
+
+    # 初始化对话历史为空字符串
+    conversation_history = ""
+
+
+# 意图识别agent
+def intent_agent(user_input):
+    global conversation_history, llm
+
+    # 创建意图识别链：提示模板 + LLM
+    chain = SmartVoyagePrompts.intent_prompt() | llm
+
+    # 调用LLM进行意图识别
+    current_date = datetime.now(pytz.timezone('Asia/Shanghai')).strftime('%Y-%m-%d')  # 获取当前日期（Asia/Shanghai时区）
+    intent_response = chain.invoke(
+        {"conversation_history": '\n'.join(conversation_history.split("\n")[-6:]), "query": user_input,
+         "current_date": current_date}).content.strip()
+    logger.info(f"意图识别原始响应: {intent_response}")
+
+    # 清理响应：移除可能的Markdown代码块标记
+    intent_response = re.sub(r'^```json\s*|\s*```$', '', intent_response).strip()
+    logger.info(f"清理后响应: {intent_response}")
+    intent_output = json.loads(intent_response)
+    # 提取意图、改写问题和追问消息
+    intents = intent_output.get("intents", [])
+    user_queries = intent_output.get("user_queries", {})
+    follow_up_message = intent_output.get("follow_up_message", "")
+    logger.info(f"intents: {intents}||user_queries: {user_queries}||follow_up_message: {follow_up_message} ")
+
+    return intents, user_queries, follow_up_message
+
+
+# 处理用户输入的核心函数
+# 此函数模拟Streamlit的输入处理逻辑，包括意图识别、路由和响应生成
+def process_user_input(prompt):
+    """
+    处理用户输入：识别意图、调用代理、生成响应
+    核心逻辑：使用LLM进行意图识别，根据意图路由到相应代理或直接生成内容
+    """
+    global messages, conversation_history, llm
+    # 添加用户消息到历史
+    messages.append({"role": "user", "content": prompt})
+    conversation_history += f"\nUser: {prompt}"
+
+    print("正在分析您的意图...")
+    try:
+        # 意图识别过程
+        intents, user_queries, follow_up_message = intent_agent(prompt)
+
+        # 根据意图输出生成响应
+        if "out_of_scope" in intents:
+            # 如果意图超出范围，返回大模型直接回复
+            response = follow_up_message
+            conversation_history += f"\nAssistant: {response}"
+        elif follow_up_message != "":
+            # 如果有追问消息，则直接返回
+            response = follow_up_message
+            conversation_history += f"\nAssistant: {response}"  # 更新历史
+        else: # 处理有效意图
+            responses = []  # 存储每个意图的响应列表
+            routed_agents = []  # 记录路由到的代理列表
+            for intent in intents:
+                logger.info(f"处理意图：{intent}")
+                # 根据意图确定代理名称
+                if intent == "weather":
+                    agent_name = "WeatherQueryAssistant"
+                elif intent in ["flight", "train", "concert"]:
+                    agent_name = "TicketQueryAssistant"
+                elif intent == "order":
+                    agent_name = "TicketOrderAssistant"
+                else:
+                    agent_name = None
+
+                # 不同意图处理方式
+                if intent == "attraction":
+                    # 对于景点推荐，直接使用LLM生成
+                    chain = SmartVoyagePrompts.attraction_prompt() | llm
+                    rec_response = chain.invoke({"query": prompt}).content.strip()
+                    responses.append(rec_response)
+                elif agent_name:
+                    # 对于代理意图，则调用代理
+                    # 1）获取问题
+                    query_str = user_queries.get(intent, {})
+                    logger.info(f"{agent_name} 查询：{query_str}")
+                    # 2）获取代理实例
+                    agent = agent_network.get_agent(agent_name)
+                    # 3）构建历史对话信息+新查询，然后调用代理
+                    chat_history = '\n'.join(conversation_history.split("\n")[-7:-1]) + f'\nUser: {query_str}'
+                    message = Message(content=TextContent(text=chat_history), role=MessageRole.USER)
+                    task = Task(id="task-" + str(uuid.uuid4()), message=message.to_dict())
+                    raw_response = asyncio.run(agent.send_task_async(task))
+                    logger.info(f"{agent_name} 原始响应: {raw_response}") # 记录原始响应日志
+                    # 4）处理结果
+                    if raw_response.status.state == 'completed':  # 正常结果
+                        agent_result = raw_response.artifacts[0]['parts'][0]['text']
+                    else:  # 异常结果
+                        agent_result = raw_response.status.message['content']['text']
+
+                    # 根据代理类型总结响应
+                    if agent_name == "WeatherQueryAssistant":
+                        chain = SmartVoyagePrompts.summarize_weather_prompt() | llm
+                        final_response = chain.invoke({"query": query_str, "raw_response": agent_result}).content.strip()
+                    elif agent_name == "TicketQueryAssistant":
+                        chain = SmartVoyagePrompts.summarize_ticket_prompt() | llm
+                        final_response = chain.invoke({"query": query_str, "raw_response": agent_result}).content.strip()
+                    else :
+                        final_response = agent_result
+
+                    # 5）添加到历史
+                    responses.append(final_response)  # 添加到响应列表
+                    routed_agents.append(agent_name)  # 记录路由代理
+                else:
+                    # 不支持的意图
+                    responses.append("暂不支持此意图。")
+
+            # 组合所有响应
+            response = "\n\n".join(responses)
+            if routed_agents:
+                logger.info(f"路由到代理：{routed_agents}")
+            conversation_history += f"\nAssistant: {response}"  # 更新历史
+
+        # 输出助手响应（模拟Streamlit的显示）
+        print(f"\n助手回复：\n{response}\n")  # 打印响应
+        # 添加到消息历史
+        messages.append({"role": "assistant", "content": response})
+
+    except json.JSONDecodeError as json_err:
+        # 处理JSON解析错误
+        logger.error(f"意图识别JSON解析失败")
+        error_message = f"意图识别JSON解析失败：{str(json_err)}。请重试。"
+        print(f"\n助手回复：\n{error_message}\n")  # 打印错误
+        messages.append({"role": "assistant", "content": error_message})
+    except Exception as e:
+        # 处理其他异常
+        logger.error(f"处理异常: {str(e)}")
+        error_message = f"处理失败：{str(e)}。请重试。"
+        print(f"\n助手回复：\n{error_message}\n")  # 打印错误
+        messages.append({"role": "assistant", "content": error_message})
+
+
+# 显示代理卡片信息
+# 此函数模拟Streamlit的右侧Agent Card，打印代理详情
+def display_agent_cards():
+    """
+    显示所有代理的卡片信息，包括技能、描述、地址和状态
+    核心逻辑：遍历代理网络，获取并打印卡片内容
+    """
+    print("\n🛠️ Agent Cards:")
+    for agent_name in agent_network.agents.keys():
+        # 获取代理卡片
+        agent_card = agent_network.get_agent_card(agent_name)
+        agent_url = agent_urls.get(agent_name, "未知地址")
+        print(f"\n--- Agent: {agent_name} ---")
+        print(f"技能: {agent_card.skills}")
+        print(f"描述: {agent_card.description}")
+        print(f"地址: {agent_url}")
+        print(f"状态: 在线")  # 固定状态为在线
+
+# 主函数：脚本入口
+# 初始化系统并进入交互循环
+if __name__ == "__main__":
+    # 初始化系统
+    initialize_system()
+    print("🤖 基于A2A的SmartVoyage旅行智能助手")
+    print("欢迎体验智能对话！输入问题，按回车提交；输入'quit'退出；输入'cards'查看代理卡片。")
+
+    # 显示初始代理卡片
+    display_agent_cards()
+
+    # 交互循环：模拟Streamlit的连续输入
+    while True:
+        # 获取用户输入
+        prompt = input("\n请输入您的问题: ").strip()
+        if prompt.lower() == 'quit':
+            print("感谢使用SmartVoyage！再见！")
+            break
+        elif prompt.lower() == 'cards':  # 查看卡片条件
+            display_agent_cards()  # 重新显示卡片
+            continue
+        elif not prompt:  # 空输入跳过
+            continue
+        else:
+            # 处理输入
+            process_user_input(prompt)  # 调用核心处理函数
+
+    # 脚本结束时打印页脚信息
+    print("\n---")
+    print("Powered by 黑马程序员 | 基于Agent2Agent的旅行助手系统 v2.0")

app/prompts.py

@@ -0,0 +1,80 @@
+from langchain_core.prompts import ChatPromptTemplate
+
+
+class SmartVoyagePrompts:
+
+    # 定义意图识别提示模板
+    @staticmethod
+    def intent_prompt():
+        return ChatPromptTemplate.from_template(
+"""
+系统提示：您是一个专业的旅行意图识别专家，基于用户查询和对话历史，识别其意图，用于调用专门的agent server来执行；为方便后续的agent server处理，可以基于对话历史对用户查询进行改写，使问题更明确。严格遵守规则：
+- 支持意图：['weather' (天气查询), 'flight' (机票查询), 'train' (高铁/火车票查询), 'concert' (演唱会票查询), 'order' (票务预定), 'attraction' (景点推荐)] 或其组合（如 ['weather', 'flight']）。如果意图超出范围，返回意图 'out_of_scope'。
+- 注意票务预定和票务查询要区分开，涉及到订票时则为order，只是查询则为flight、train或concert。
+- 如果意图为 'out_of_scope'时，此时不需要再进行查询改写，你可以直接根据用户问题进行回复，将回复答案写到follow_up_message中即可。
+- 在进行用户查询改写时，不要回答其问题，也不要修改其原意，只需要将对话历史中跟该查询相关的上下文信息取出来，然后整合到一起，使用户查询更明确即可，要仔细分析上下文信息，不要进行过度整合。如果用户查询跟对话历史无关，则输出原始查询。
+- 如果用户的意图很不明确或者有歧义，可以向其进行追问，将追问问题填充到follow_up_message中。
+- 输出严格为JSON：{{"intents": ["intent1", "intent2"], "user_queries": {{"intent1": "user_query1", "intent2": "user_query2"}}, "follow_up_message": "追问消息"}}。不要添加额外文本！
+
+输出示例：
+{{"intents": ["weather"], "user_queries": {{"weather": "今天北京天气如何"}}, "follow_up_message": ""}}
+{{"intents": ["weather"], "user_queries": {{}}, "follow_up_message": "你问的是今天北京天气状况吗"}}
+{{"intents": ["weather", "flight"], "user_queries": {{"weather": "今天北京天气如何", "flight": "查询一下10月28日，从北京飞往杭州的机票"}}, "follow_up_message": ""}}
+{{"intents": ["out_of_scope"], "user_queries": {{}}, "follow_up_message": "你好，我是智能旅行助手，欢迎您向我提问"}}
+
+当前日期：{current_date} (Asia/Shanghai)。
+对话历史：{conversation_history}
+用户查询：{query}
+""")
+
+    # 定义天气结果总结提示模板，用于LLM总结天气查询的原始响应
+    @staticmethod
+    def summarize_weather_prompt():
+        return ChatPromptTemplate.from_template(
+"""
+系统提示：您是一位专业的天气预报员，以生动、准确的风格总结天气信息。基于查询和结果：
+- 核心描述点：城市、日期、温度范围、天气描述、湿度、风向、降水等。
+- 如果结果为空或者意思为需要补充数据，则委婉提示“未找到数据，请确认城市/日期”
+- 语气：专业预报，如“根据最新数据，北京2025-07-31的天气预报为...”。
+- 保持中文，100-150字。
+- 如果查询无关，返回“请提供天气相关查询。”
+
+查询：{query}
+结果：{raw_response}
+""")
+
+    # 定义票务结果总结提示模板，用于LLM总结票务查询的原始响应
+    @staticmethod
+    def summarize_ticket_prompt():
+        return ChatPromptTemplate.from_template(
+"""
+系统提示：您是一位专业的旅行顾问，以热情、精确的风格总结票务信息。基于查询和结果：
+- 核心描述点：出发/到达、时间、类型、价格、剩余座位等。
+- 如果结果为空或者意思为需要补充数据，则委婉提示“未找到数据，请确认或修改条件”
+- 语气：顾问式，如“为您推荐北京到上海的机票选项...”。
+- 保持中文，100-150字。
+- 如果查询无关，返回“请提供票务相关查询。”
+
+
+查询：{query}
+结果：{raw_response}
+""")
+
+    # 定义景点推荐提示模板，用于LLM直接生成景点推荐内容
+    @staticmethod
+    def attraction_prompt():
+        return ChatPromptTemplate.from_template(
+"""
+系统提示：您是一位旅行专家，基于用户查询生成景点推荐。规则：
+- 推荐3-5个景点，包含描述、理由、注意事项。
+- 基于槽位：城市、偏好。
+- 语气：热情推荐，如“推荐您在北京探索故宫...”。
+- 备注：内容生成，仅供参考。
+- 保持中文，150-250字。
+
+查询：{query}
+""")
+
+
+if __name__ == '__main__':
+    print(SmartVoyagePrompts.intent_prompt())

app_streamlit/main.py

@@ -0,0 +1,250 @@
+import os
+import sys
+sys.path.append(os.path.join(os.path.dirname(__file__), ".."))
+import asyncio
+import uuid
+import streamlit as st
+from python_a2a import AgentNetwork, Message, TextContent, MessageRole, Task
+from langchain_openai import ChatOpenAI
+import json
+from datetime import datetime
+import pytz
+import re  # 用于清理响应
+from create_logger import logger
+from app.prompts import SmartVoyagePrompts
+from conf import settings
+
+# 启动命令：streamlit run main.py
+
+# 设置页面配置
+st.set_page_config(page_title="基于A2A的SmartVoyage旅行助手系统", layout="wide", page_icon="🤖")
+
+# 自定义 CSS 打造高端大气科技感，优化对比度
+st.markdown("""
+<style>
+/* 聊天消息框样式 */
+.stChatMessage {
+    background-color: #2c3e50 !important;
+    border-radius: 12px !important;
+    padding: 15px !important;
+    margin-bottom: 15px !important;
+    box-shadow: 0 3px 6px rgba(0,0,0,0.2) !important;
+}
+
+/* 用户消息框稍亮 */
+.stChatMessage.user {
+    background-color: #34495e !important;
+}
+
+/* ✅ 核心：强制所有文字变为白色（包括 markdown 内部） */
+.stChatMessage .stMarkdown, 
+.stChatMessage .stMarkdown p, 
+.stChatMessage .stMarkdown span, 
+.stChatMessage .stMarkdown div, 
+.stChatMessage .stMarkdown strong, 
+.stChatMessage .stMarkdown em, 
+.stChatMessage .stMarkdown code {
+    color: #ffffff !important; 
+}
+
+/* 如果你想让 emoji 图标更亮一点 */
+.stChatMessage [data-testid="stChatMessageAvatarIcon"] {
+    filter: brightness(1.2);
+}
+</style>
+""", unsafe_allow_html=True)
+
+# 初始化会话状态
+if "messages" not in st.session_state:
+    st.session_state.messages = []
+if "agent_network" not in st.session_state:
+    # 存储代理URL信息，便于查看
+    st.session_state.agent_urls = {
+        "WeatherQueryAssistant": "http://localhost:5005",
+        "TicketQueryAssistant": "http://localhost:5006",
+        "TicketOrderAssistant": "http://localhost:5007"
+    }
+    # 初始化网络
+    network = AgentNetwork(name="Travel Assistant Network")
+    network.add("WeatherQueryAssistant", "http://localhost:5005")
+    network.add("TicketQueryAssistant", "http://localhost:5006")
+    network.add("TicketOrderAssistant", "http://localhost:5007")
+    st.session_state.agent_network = network
+    # 加载配置并创建LLM
+    st.session_state.llm = ChatOpenAI(
+        model=settings.model_name,
+        api_key=settings.api_key,
+        base_url=settings.base_url,
+        temperature=0.1
+    )
+    # 存储对话历史用于意图识别
+    st.session_state.conversation_history = ""
+
+# 意图识别agent
+def intent_agent(user_input):
+    # 创建意图识别链：提示模板 + LLM
+    chain = SmartVoyagePrompts.intent_prompt() | st.session_state.llm
+
+    # 调用LLM进行意图识别
+    current_date = datetime.now(pytz.timezone('Asia/Shanghai')).strftime('%Y-%m-%d')  # 获取当前日期（Asia/Shanghai时区）
+    intent_response = chain.invoke(
+        {"conversation_history": '\n'.join(st.session_state.conversation_history.split("\n")[-6:]), "query": user_input,
+         "current_date": current_date}).content.strip()
+    logger.info(f"意图识别原始响应: {intent_response}")
+
+    # 清理响应：移除可能的Markdown代码块标记
+    intent_response = re.sub(r'^```json\s*|\s*```$', '', intent_response).strip()
+    logger.info(f"清理后响应: {intent_response}")
+    intent_output = json.loads(intent_response)
+    # 提取意图、改写问题和追问消息
+    intents = intent_output.get("intents", [])
+    user_queries = intent_output.get("user_queries", {})
+    follow_up_message = intent_output.get("follow_up_message", "")
+    logger.info(f"intents: {intents}||user_queries: {user_queries}||follow_up_message: {follow_up_message} ")
+
+    return intents, user_queries, follow_up_message
+
+
+# 主界面布局
+st.title("🤖 基于A2A的SmartVoyage旅行智能助手")
+st.markdown("欢迎体验智能对话！输入问题，系统将精准识别意图并提供服务。")
+
+# 两栏布局：左侧对话，右侧 Agent Card
+col1, col2 = st.columns([2, 1])
+
+# 左侧对话区域
+with col1:
+    st.subheader("💬 对话")
+    # 对话历史
+    for message in st.session_state.messages:
+        with st.chat_message(message["role"]):
+            st.markdown(message["content"])
+
+    # 输入框
+    if prompt := st.chat_input("请输入您的问题..."):
+        # 显示用户消息
+        with st.chat_message("user"):
+            st.markdown(prompt)
+        st.session_state.messages.append({"role": "user", "content": prompt})
+        st.session_state.conversation_history += f"\nUser: {prompt}"
+
+        # 获取 LLM 和当前日期
+        llm = st.session_state.llm
+        current_date = datetime.now(pytz.timezone('Asia/Shanghai')).strftime('%Y-%m-%d')
+
+        # 意图识别
+        with st.spinner("正在分析您的意图..."):
+            try:
+                # 意图识别过程
+                intents, user_queries, follow_up_message = intent_agent(prompt)
+
+                # 根据意图输出生成响应
+                if "out_of_scope" in intents:
+                    # 如果意图超出范围，返回大模型直接回复
+                    response = follow_up_message
+                    st.session_state.conversation_history += f"\nAssistant: {response}"
+                elif follow_up_message != "":
+                    # 如果有追问消息，则直接返回
+                    response = follow_up_message
+                    st.session_state.conversation_history += f"\nAssistant: {response}"  # 更新历史
+                else:  # 处理有效意图
+                    responses = []  # 存储每个意图的响应列表
+                    routed_agents = []  # 记录路由到的代理列表
+                    for intent in intents:
+                        logger.info(f"处理意图：{intent}")
+                        # 根据意图确定代理名称
+                        if intent == "weather":
+                            agent_name = "WeatherQueryAssistant"
+                        elif intent in ["flight", "train", "concert"]:
+                            agent_name = "TicketQueryAssistant"
+                        elif intent == "order":
+                            agent_name = "TicketOrderAssistant"
+                        else:
+                            agent_name = None
+
+                        # 不同意图处理方式
+                        if intent == "attraction":
+                            # 对于景点推荐，直接使用LLM生成
+                            chain = SmartVoyagePrompts.attraction_prompt() | llm
+                            rec_response = chain.invoke({"query": prompt}).content.strip()
+                            responses.append(rec_response)
+                        elif agent_name:
+                            # 对于代理意图，则调用代理
+                            # 1）获取问题
+                            query_str = user_queries.get(intent, {})
+                            logger.info(f"{agent_name} 查询：{query_str}")
+                            # 2）获取代理实例
+                            agent = st.session_state.agent_network.get_agent(agent_name)
+                            # 3）构建历史对话信息+新查询，然后调用代理
+                            chat_history = '\n'.join(st.session_state.conversation_history.split("\n")[-7:-1]) + f'\nUser: {query_str}'
+                            message = Message(content=TextContent(text=chat_history), role=MessageRole.USER)
+                            task = Task(id="task-" + str(uuid.uuid4()), message=message.to_dict())
+                            raw_response = asyncio.run(agent.send_task_async(task))
+                            logger.info(f"{agent_name} 原始响应: {raw_response}")  # 记录原始响应日志
+                            # 4）处理结果
+                            if raw_response.status.state == 'completed':  # 正常结果
+                                agent_result = raw_response.artifacts[0]['parts'][0]['text']
+                            else:  # 异常结果
+                                agent_result = raw_response.status.message['content']['text']
+
+                            # 根据代理类型总结响应
+                            if agent_name == "WeatherQueryAssistant":
+                                chain = SmartVoyagePrompts.summarize_weather_prompt() | llm
+                                final_response = chain.invoke(
+                                    {"query": query_str, "raw_response": agent_result}).content.strip()
+                            elif agent_name == "TicketQueryAssistant":
+                                chain = SmartVoyagePrompts.summarize_ticket_prompt() | llm
+                                final_response = chain.invoke(
+                                    {"query": query_str, "raw_response": agent_result}).content.strip()
+                            else:
+                                final_response = agent_result
+
+                            # 5）添加到历史
+                            responses.append(final_response)  # 添加到响应列表
+                            routed_agents.append(agent_name)  # 记录路由代理
+                        else:
+                            # 不支持的意图
+                            responses.append("暂不支持此意图。")
+
+                    response = "\n\n".join(responses)
+                    if routed_agents:
+                        logger.info(f"路由到代理：{routed_agents}")
+                    st.session_state.conversation_history += f"\nAssistant: {response}"
+
+                # 显示助手消息
+                with st.chat_message("assistant"):
+                    st.markdown(response)
+                st.session_state.messages.append({"role": "assistant", "content": response})
+            except json.JSONDecodeError as json_err:
+                logger.error(f"意图识别JSON解析失败")
+                error_message = f"意图识别JSON解析失败：{str(json_err)}。请重试。"
+                with st.chat_message("assistant"):
+                    st.markdown(error_message)
+                st.session_state.messages.append({"role": "assistant", "content": error_message})
+            except Exception as e:
+                logger.error(f"处理异常: {str(e)}")
+                error_message = f"处理失败：{str(e)}。请重试。"
+                with st.chat_message("assistant"):
+                    st.markdown(error_message)
+                st.session_state.messages.append({"role": "assistant", "content": error_message})
+
+# 右侧 Agent Card 区域
+with col2:
+    st.subheader("🛠️ AgentCard")
+    for agent_name in st.session_state.agent_network.agents.keys():
+        agent_card = st.session_state.agent_network.get_agent_card(agent_name)
+        agent_url = st.session_state.agent_urls.get(agent_name, "未知地址")
+        with st.expander(f"Agent: {agent_name}", expanded=False):
+            st.markdown(f"<div class='card-title'>技能</div>", unsafe_allow_html=True)
+            st.markdown(f"<div class='card-content'>{agent_card.skills}</div>", unsafe_allow_html=True)
+            st.markdown(f"<div class='card-title'>描述</div>", unsafe_allow_html=True)
+            st.markdown(f"<div class='card-content'>{agent_card.description}</div>", unsafe_allow_html=True)
+            st.markdown(f"<div class='card-title'>地址</div>", unsafe_allow_html=True)
+            st.markdown(f"<div class='card-content'>{agent_url}</div>", unsafe_allow_html=True)
+            st.markdown(f"<div class='card-title'>状态</div>", unsafe_allow_html=True)
+            st.markdown(f"<div class='card-content'>在线</div>", unsafe_allow_html=True)
+
+# 页脚
+st.markdown("---")
+st.markdown('<div class="footer">Powered by 黑马程序员 | 基于Agent2Agent的旅行助手系统 v2.0</div>', unsafe_allow_html=True)
+

mcp_server/order_server.py

@@ -1,6 +1,4 @@
 from mcp.server.fastmcp import FastMCP
-
-from conf import settings
 from create_logger import logger
 
 # 创建FastMCP实例