Multi Source Agentic Q A Assistant

MCPAI代理

提供方 whitevshadow

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个监督式的多代理问答系统,智能地将用户查询路由到SQL推理管道或文档(RAG)推理管道,并在整个过程中强制执行安全性、记忆和引用。

一句话选型结论

按资料字段整理

Multi Source Agentic Q A Assistant 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

TSQL本地部署多代理系统问答系统SQL推理RAG推理LangGraphMCP

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python -m venv .venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Multi Source Agentic Q A Assistant当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方whitevshadow上游标注的维护方 whitevshadow
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

6.4 KB
来自项目仓库与上游目录的原文,未做删改

🧠 多智能体问答系统

高级理念(一句话)

一个有监督的多智能体问答系统,可以智能地将用户查询路由到 SQL推理管道 或一个 文档(RAG)推理管道,在整个过程中加强安全、记忆和引用。


概述

该项目实现了 生产级代理问答架构 使用 LangGraph 作为控制平面和 MCP(模型上下文协议) 作为执行层。

该系统能够回答以下问题:

  • 结构化数据 (Northwind SQL数据库)
  • 非结构化文档 (PubMed/临床PDF)

中央 监督代理 决定如何处理每个查询,同时加强护栏、内存和可解释性。


关键能力

  • 🧠 使用LangGraph进行多代理编排
  • 🛡️ 安全和范围控制护栏
  • 🔀 智能路由(SQL vs RAG vs Clarify)
  • 📚 文档的引用支持答案
  • 🧮 确定性SQL推理
  • 🧠 后续问题的对话记忆
  • 🔍 易于观察、可调试的步骤

端到端工作流```text

User Question
↓
Context Resolution
↓
Guardrail Check
↓
Supervisor Agent (Decision Maker)
↓
┌────────────────┬────────────────────┐
│ SQL Agent │ RAG Agent │
│ (Structured) │ (Unstructured) │
└────────────────┴────────────────────┘
↓
Answer Synthesis + Citations
↓
Conversation Memory Update
↓
Final Answer to User


______________________________________________________________________

## 🧠 系统架构(LangGraph+MCP)```mermaid
flowchart TD
%% UI
U[User
Streamlit Chat UI]

%% Pre-processing
CR[Context Resolver
(Resolve follow-ups)]
GR[Guardrail Agent
(ALLOW / REJECT)]
SUP[Supervisor Agent
(Route Decision)]

%% Routing
SQLA[SQL Agent]
RAGA[RAG Agent]
CLARIFY[Clarify Response]
REJECT[Reject Response]

%% MCP Layer
MCP[MCP Client]
SQLDB[(Northwind Database)]
DOCS[(PubMed / Clinical PDFs)]

%% Answer
SYN[Answer Synthesizer
(Grounded Answer)]
MEM[Conversation Memory]
OUT[Final Answer
+ Sources]

%% Flow
U --> CR
CR --> GR

GR -->|REJECT| REJECT
GR -->|ALLOW| SUP

SUP -->|SQL| SQLA
SUP -->|RAG| RAGA
SUP -->|CLARIFY| CLARIFY
SUP -->|REJECT| REJECT

%% SQL Path
SQLA --> MCP
MCP --> SQLDB
SQLDB --> MCP
MCP --> SYN

%% RAG Path
RAGA --> MCP
MCP --> DOCS
DOCS --> MCP
MCP --> SYN

%% Finalization
SYN --> OUT
OUT --> MEM
MEM --> CR

代理人职责

🛡️ 护栏代理

  • 阻止范围外或不安全的问题
  • 及早预防幻觉

🧠 监督代理

  • 在SQL、RAG、澄清或拒绝之间做出决定
  • 确保只运行一条执行路径

🧮 SQL代理

  • 转换自然语言→ SQL
  • 执行确定性查询
  • 返回精确的数值结果

📚 RAG代理

  • 检索相关文档块
  • 综合有根据的答案
  • 始终返回引用

✍️ 答案合成器

  • 规范跨代理的输出
  • 格式化最终答案+来源

为什么选择LangGraph+MCP?

LangGraph

  • 清晰的状态转换
  • 显式控制流
  • 易于调试和可观察性

MCP(模型上下文协议)

  • 工具隔离
  • 清洁服务边界
  • 可交换的执行后端

它们共同构成了一个 干净的控制平面+执行平面架构 适用于现实世界的人工智能系统。


示例查询

结构化查询语言

  • “总销售额前5名产品”
  • “他们处理了多少订单?”

检索增强生成

  • “什么是拉沙热?”
  • “患者的严重程度如何变化?”

随访(记忆感知)

  • “它会变得有多严重?”
  • “它在哪里流行?”

生产就绪设计原则

  • 没有监督,任何代理人都不会逃跑
  • 歧义会引发澄清,而不是幻觉
  • SQL和RAG故障是隔离的
  • 记忆永远不会覆盖事实

状态

✅ 核心架构已实施
✅ SQL+RAG路由稳定
✅ 内存分辨率工作
✅ 引用已执行


下一步改进

  • 流媒体响应
  • 工具信心评分
  • 重试和回退策略
  • UI时间线可视化
  • 评估工具

在本地运行

1.创造环境```bash

python -m venv .venv

Windows

.venv\Scripts\activate

Linux/macOS

source .venv/bin/activate

pip install -r requirements.txt


### 2.准备运行时配置```bash
# Windows
copy .env.template .env
# Linux/macOS
# cp .env.template .env

如果您的模型服务器不是本地的,请设置 OLLAMA_BASE_URL 在 .env 因此。

3.启动服务(两个终端)

航站楼A:```bash
python app/mcp/server.py


B航站楼:```bash
streamlit run streamlit_app.py

打开 http://localhost:8501.


Docker Compose(面向生产,外部Ollama)

此存储库包括:

  • Dockerfile.mcp
  • Dockerfile.streamlit
  • docker-compose.yml
  • .env.template

1.配置环境```bash

Windows

copy .env.template .env

Linux/macOS

cp .env.template .env


集 `OLLAMA_BASE_URL` 连接到外部模型服务器端点。

### 2.构建和运行```bash
docker compose up --build

3.终点

  • 流线型用户界面: http://localhost:8501
  • MCP HTTP端点: http://localhost:3333/mcp

4.持久数据

编写挂载以保持运行时数据的持久性:

  • ./data -> /app/data
  • 命名卷 mcp_runtime -> /app/runtime
  • 命名卷 streamlit_runtime -> /app/runtime

配置说明

该应用程序现在支持以下环境驱动配置:

  • MCP主机/端口/url
  • SQL/RAG数据路径
  • 会话/内存数据库路径
  • 嵌入模型
  • 所有Olama型号名称

看 .env.template 获取完整的变量名和默认值。


使用LangGraph•MCP•Streamlit•SQL•RAG构建

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Multi Source Agentic Q A Assistant 怎么安装?

在客户端按下面的安装命令接入:python -m venv .venv。装完在客户端配置里引用同一个包或端点。

Multi Source Agentic Q A Assistant 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Multi Source Agentic Q A Assistant 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Multi Source Agentic Q A Assistant 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Multi Source Agentic Q A Assistant 能提供哪些能力?

资料显示能力标签包括 问答系统、Python、AI代理、LangGraph。具体工具清单以官方文档为准。

Multi Source Agentic Q A Assistant 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Multi Source Agentic Q A Assistant 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。