Airtable MCP Agent - MVP

使用MCP代码执行模式（来自Anthropic的博客）生成并执行Python代码以与Airtable交互的AI代理。

架构

用户输入 → Claude Sonnet 4 → Python代码 → 子进程 → Airtable MCP → 结果

关键优势：在代码中处理数据，而不是在上下文中。

快速开始

1. 先决条件

# 在http://localhost:8000/mcp运行的Airtable MCP服务器
# Anthropic API密钥

2. 安装

pip install langchain langchain-anthropic anthropic aiohttp

3. 设置API密钥

export ANTHROPIC_API_KEY="your-anthropic-api-key"

4. 运行

python cli.py

使用方法

你: 列出我所有的Airtable数据库

🤖 代理: 正在思考...

生成的代码（尝试1）:
============================================================
from airtable_client import airtable_client

async with airtable_client("http://localhost:8000/mcp") as client:
    from servers import airtable
    
    databases = await airtable.list_bases()
    print(json.dumps({"databases": databases}))
============================================================

✅ 成功！

输出:
------------------------------------------------------------
{"databases": [{"id": "appXXX", "name": "我的数据库"}]}
------------------------------------------------------------

示例查询

  "列出我所有的Airtable数据库"
  "显示base appXXXXXXXXXXXXXX中的表"
  "获取CRM数据库中的所有活跃订单"
  "查找包含'john@example.com'的记录"
  "计算我数据库中每个表的记录数"

命令

/help   - 显示帮助
/clear  - 清除对话历史
/exit   - 退出

工作原理

1. 用户请求 → "获取所有活跃联系人"
2. Claude生成代码：

   records = await airtable.list_records(...)
   active = [r for r in records if r['fields']['状态'] == '活跃']
   print(len(active))  # 只有摘要到上下文中！
   

3. 在子进程中执行（沙箱化，验证）
4. 返回结果给用户

完整说明

https://medium.com/@shamsul.arefin/building-an-ai-agent-with-mcp-code-execution-from-confusion-to-clarity-6b13fccc8c4b