A2A LangGraph 模板项目

该项目是一个模板，旨在帮助开发者更快、更高效地开始构建集成A2A和MCP服务器的AI代理集群。

• 项目概述
• 代理说明

特性

• 创建与管理AI团队
• 创建与管理AI代理
• 创建与管理MCP服务器
• 创建与管理工具
• 集成MCP服务器以使用工具
• 监控活动日志
• 创建与管理与AI团队/代理的对话
• 提供Swagger API文档以供前端集成说明

概念

• 每个AI代理集群可以有多个AI代理团队（AI团队）
• 每个AI团队可以有多个AI代理，由一个监督者（AI团队的默认AI代理）领导
• 每个AI代理可以通过MCP服务器集成调用工具

工作原理

• 监督者代理通过API调用接收用户输入（提示），然后根据其当前能力（下属的AI代理及其工具）创建详细的计划
• 然后请求AI代理通过A2A协议执行任务
• 等待所有AI代理完成给定的任务
• 获取所有结果，分析并决定是否分配更多任务给AI代理，或完成计划
• 综合结果，并基于原始输入提示响应用户。

示例工作流程：

• 情况1：简单直接响应 - 用户询问“你好”，监督者决定直接用简单的回答回应。这不需要代理委托，并在单个工作流步骤中完成。
• 情况2：多代理协作与终止控制 - 用户询问关于越南芽庄海滩的旅行建议：
  1. 监督者接收到查询并创建具有明确终止条件的任务计划
  2. 监督者委托给代理1（连接到搜索API MCP服务器）查找顶级景点
  3. 监督者委托给代理2（连接到搜索API MCP服务器）研究当地美食
  4. 每个代理将其发现的结果以单条消息形式返回给监督者
  5. 监督者综合所有信息形成最终回复
  6. 在监督者的最终回复后终止工作流（通过消息深度限制强制）

示例流程图

<示例流程图>

开始使用

先决条件

• Python 3.11+
• PostgreSQL

安装

1. 克隆仓库：

   git clone https://github.com/your-username/a2a-langgraph-boilerplate.git
   cd a2a-langgraph-boilerplate
   

2. 创建并激活虚拟环境：

   python3 -m venv venv
   source venv/bin/activate
   

3. 安装依赖项：

   pip install -r requirements.txt
   

4. 设置数据库：

   • 确保你的PostgreSQL服务器正在运行。
   • 创建一个新的名为a2a-langgraph-boilerplate的数据库。你可以使用以下命令：

     createdb "a2a-langgraph-boilerplate"
     

   • 将.env.example文件复制为.env：

     cp .env.example .env
     

   • 使用你的PostgreSQL凭据更新.env文件中的DATABASE_URL。

5. 创建数据库表：

   python create_tables.py
   

运行应用程序

要启动应用程序，请运行以下命令：

uvicorn app.main:app --reload

应用程序将在http://127.0.0.1:8000可用。

运行测试

要运行测试，请运行以下命令：

source .venv/bin/activate
which python
python -m pytest tests/ -v

运行特定测试

# 要运行tests目录下的所有测试：
python -m pytest tests/

# 要运行我们实现的UUID模型测试：
python -m pytest test_uuid_models.py

# 要运行特定的测试文件：
python -m pytest tests/test_crews.py

[特殊] 运行AI团队聊天工作流程演示

python -m tests.test_ai_crew_simple_demo

API 文档

API文档由FastAPI自动生成，可在以下URL访问：

• Swagger UI: http://127.0.0.1:8000/docs
• ReDoc: http://127.0.0.1:8000/redoc

致谢

• @goon_nguyen
• Github: https://github.com/mrgoonie
• Substack: https://goonnguyen.substack.com/