zhisaotong-Agent

MCP搜索检索

提供方 bamboo-moon

搜索检索 stdio · 本地进程 API Key 社区 / 第三方
查看接入方式

智扫通机器人智能客服是一款基于LangChain ReAct Agent和RAG技术的扫地机器人智能客服系统,提供产品咨询、天气定位查询和使用报告生成等功能,适用于扫地机器人用户和售后服务场景。

一句话选型结论

按资料字段整理

zhisaotong-Agent 属于搜索检索类 MCP 服务器,stdio · 本地进程,API Key,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。

分类搜索检索 传输方式stdio · 本地进程 鉴权API Key 部署方式本地部署
GitHub 星标 125 仓库热度,无公开仓库时显示未标注
工具数 7 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

搜索检索
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7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

智能客服Python本地部署扫地机器人RAGLangChain高德API

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
python -m pip install -r requirements.txt

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

    连接成功后客户端会列出约 7 个工具,随便调一个只读工具确认能返回结果。

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
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

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

  • 资料标注 7 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

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。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在搜索检索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。
  • 不方便管理密钥或第三方授权的人。
  • 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
zhisaotong-Agent当前 7 stdio · 本地进程 本地部署 有 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
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bamboo-moon上游标注的维护方 bamboo-moon
分类搜索检索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API Key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

12.5 KB
来自项目仓库与上游目录的原文,未做删改

智扫通机器人智能客服 🤖

> 基于 LangChain ReAct Agent + RAG + Streamlit 的扫地机器人智能客服系统


使用必看

请务必安装好相关配置环境,其中config/agent.yml文件中的gaodekey需要改为实际申请的高德key(也可以根据个人需要更改为更加隐式的办法)

📖 项目简介

智扫通机器人智能客服是一款面向扫地机器人/扫拖一体机器人用户的 AI 智能体应用。系统以 Streamlit 构建轻量级前端网页,后端基于 LangChain 搭建 ReAct(Reasoning + Acting)Agent,整合以下核心能力:

  • RAG 增强检索:将产品手册、常见问题、维护指南等文档向量化存储,AI 回答时优先检索知识库,确保答案准确可靠。
  • 高德 MCP 服务:调用高德地图 API 实时获取用户定位与天气信息。
  • 总结汇报模式:中间件通过识别特定意图,动态切换系统提示词,自动生成使用情况报告(Markdown 格式)。
  • 多轮工具调用:Agent 可自主规划并多轮调用所配备的工具,直至满足用户需求。
  • 流式响应:最终结果在网页端以逐字流式方式呈现,提升交互体验。
  • 完善的日志与历史:配备结构化日志(文件 + 控制台)与对话历史记录。

✨ 核心特性

特性 说明
LLM 阿里云通义千问 qwen3-max(通过 ChatTongyi)
Embedding 阿里云 DashScope text-embedding-v4
向量数据库 Chroma(本地持久化)
Agent 框架 LangChain ReAct Agent + LangGraph
前端 Streamlit Web 界面,支持对话历史
外部服务 高德地图 REST API(天气、IP 定位)
动态提示词 中间件根据上下文信号量自动切换 System Prompt
去重机制 MD5 哈希追踪已处理文档,避免重复入库
日志 按天分文件,同时输出到控制台与文件

🏗 系统架构```

┌──────────────────────────────────────────────┐
│ Streamlit 前端 (app.py) │
│ - 对话历史 - 流式显示 - 会话状态管理 │
└──────────────────────┬───────────────────────┘
│
┌──────────────────────▼───────────────────────┐
│ ReAct Agent (agent/react_agent.py) │
│ ┌─────────────────────────────────────────┐ │
│ │ 中间件层 (middleware.py) │ │
│ │ ├─ monitor_tool 工具调用监控与日志 │ │
│ │ ├─ log_before_model 模型调用前日志 │ │
│ │ └─ report_prompt_switch 动态提示词切换 │ │
│ └─────────────────────────────────────────┘ │
│ 工具集:rag_summarize / get_weather / │
│ get_user_location / get_user_id / │
│ get_current_month / fetch_external_data│
│ fill_context_for_report │
└──┬──────────────┬───────────────┬────────────┘
│ │ │
▼ ▼ ▼
┌──────────┐ ┌─────────────┐ ┌────────────────┐
│ RAG 服务 │ │ 高德 API │ │ 外部 CSV 数据 │
│(rag/) │ │ 天气 / 定位 │ │ data/external/ │
└────┬─────┘ └─────────────┘ └────────────────┘
│
┌────▼─────────────────────────┐
│ Chroma 向量数据库 (chroma_db/)│
│ Embedding: text-embedding-v4 │
│ 知识库文档 (data/) │
│ ├─ PDF / TXT 文档 │
│ └─ chunk_size=200, k=3 │
└──────────────────────────────┘


---

## 📂 目录结构```
zhisaotong-Agent/
├── app.py                        # Streamlit 前端入口
├── agent/
│   ├── react_agent.py            # ReAct Agent 核心逻辑
│   └── tools/
│       ├── agent_tools.py        # 工具函数定义
│       └── middleware.py         # Agent 中间件
├── rag/
│   ├── rag_service.py            # RAG 检索摘要服务
│   └── vector_store.py           # Chroma 向量库管理
├── model/
│   └── factory.py                # 模型工厂(LLM + Embedding)
├── utils/
│   ├── config_handler.py         # YAML 配置加载器
│   ├── logger_handler.py         # 日志工具
│   ├── prompt_loader.py          # 提示词加载器
│   ├── file_handler.py           # 文档加载(PDF/TXT)
│   └── path_tool.py              # 路径工具
├── config/
│   ├── agent.yml                 # Agent 配置(高德 API Key 等)
│   ├── rag.yml                   # 模型名称配置
│   ├── chroma.yml                # 向量库配置
│   └── prompts.yml               # 提示词文件路径
├── prompts/
│   ├── main_prompt.txt           # 主 ReAct 提示词
│   ├── rag_summarize.txt         # RAG 摘要提示词
│   └── report_prompt.txt         # 报告生成提示词
├── data/
│   ├── 扫地机器人100问.pdf
│   ├── 扫地机器人100问2.txt
│   ├── 扫拖一体机器人100问.txt
│   ├── 故障排除.txt
│   ├── 维护保养.txt
│   ├── 选购指南.txt
│   └── external/
│       └── records.csv           # 用户使用记录(外部数据)
├── chroma_db/                    # Chroma 持久化目录(自动生成)
├── logs/                         # 日志文件目录(自动生成)
└── md5.text                      # 文档 MD5 去重记录

📦 环境依赖

Python 版本

建议使用 Python 3.10+(代码中使用了 tuple[str, str] 等 3.10+ 类型注解语法)。

主要依赖包

包名 用途
streamlit 前端 Web 框架
langchain Agent / Chain / Tool 框架
langchain-core LangChain 核心抽象
langchain-community 通义千问、DashScope Embedding 等集成
langgraph 基于图的 Agent 执行引擎(含 Runtime)
langchain-chroma LangChain 与 Chroma 向量库集成
chromadb Chroma 向量数据库
dashscope 阿里云 DashScope SDK(Embedding / LLM)
pypdf / pypdf2 PDF 文档加载
pyyaml YAML 配置文件解析

一键部署(推荐)```bash

python -m pip install -r requirements.txt


---

## ⚙️ 配置说明

### 1. 阿里云 API Key

本项目使用阿里云通义千问大模型和 DashScope Embedding,需要配置系统环境变量:```bash
OPENAI_API_KEY="your_open_api_key"

> 可在 阿里云百炼平台 获取 API Key。

2. 高德地图 API Key

编辑 config/agent.yml,将 gaodekey 替换为你的高德地图 Web 服务 API Key:```yaml

config/agent.yml

external_data_path: data/external/records.csv
gaodekey: 你的高德key! # ← 替换这里
gaode_base_url: https://restapi.amap.com
gaode_timeout: 5


> 可在 高德开放平台 申请 Web 服务类型的 API Key。

### 3. 模型配置

编辑 `config/rag.yml` 可调整所使用的模型:```yaml
# config/rag.yml
chat_model_name: qwen3-max          # 对话大模型
embedding_model_name: text-embedding-v4  # 向量化模型

4. 向量库配置

编辑 config/chroma.yml 可调整 RAG 检索参数:```yaml

config/chroma.yml

collection_name: agent
persist_directory: chroma_db
k: 3 # 检索返回的最相关文档数量
data_path: data
md5_hex_store: md5.text
allow_knowledge_file_type: ["txt", "pdf"]
chunk_size: 200 # 文本分块大小
chunk_overlap: 20 # 分块重叠长度


---

## 🚀 快速开始

### 1. 克隆项目```bash
git clone https://github.com/bamboo-moon/zhisaotong-Agent.git
cd zhisaotong-Agent

2. 安装依赖```bash

python -m pip install -r requirements.txt


### 3. 配置 API Key```bash
# 设置阿里云 DashScope API Key
export DASHSCOPE_API_KEY="your_dashscope_api_key"

# 在 config/agent.yml 中配置高德地图 API Key

4. 启动应用```bash

streamlit run app.py


浏览器将自动打开 `http://localhost:8501`,即可开始与智扫通机器人智能客服对话。

---

## 💬 使用方式

启动后,用户可以在网页聊天界面进行以下操作:

### 产品咨询

直接提问关于扫地机器人的使用、维护、故障排除等问题,Agent 会优先从知识库中检索相关资料进行回答:```
用户:扫地机器人的滤网多久需要更换一次?
用户:扫拖一体机器人和扫地机器人有什么区别?
用户:扫地机器人吸力变弱了怎么办?

天气与定位查询

Agent 可调用高德 API 获取实时信息:```
用户:我现在所在城市今天的天气怎么样?


### 使用报告生成

Agent 会自动检测报告生成意图,切换到报告提示词,并调用外部数据生成 Markdown 格式的使用情况报告:```
用户:帮我生成我的使用报告
用户:给我一份扫地机器人的使用分析和保养建议

🛠 工具列表

Agent 配备了以下 7 个工具:

工具名 描述
rag_summarize 从向量知识库中检索参考资料,回答产品相关问题
get_weather 获取指定城市的实时天气(高德 API)
get_user_location 通过 IP 获取用户所在城市(高德 API)
get_user_id 获取当前用户 ID
get_current_month 获取当前月份
fetch_external_data 从外部系统获取指定用户指定月份的使用记录
fill_context_for_report 触发报告模式,通知中间件切换为报告生成提示词

🔄 中间件机制

Agent 的三个中间件负责监控、日志和动态提示词切换:```
monitor_tool 工具调用监控
├─ 记录每次工具调用的名称和参数
├─ 记录工具调用成功/失败状态
└─ 检测 fill_context_for_report 调用,将 context["report"] 置为 True

log_before_model 模型调用前日志
└─ 记录当前消息数量及最新消息内容

report_prompt_switch 动态提示词切换
├─ context["report"] == True → 使用报告生成提示词
└─ context["report"] == False → 使用主 ReAct 提示词


---

## 📋 日志说明

日志文件存放在 `logs/` 目录下,按天自动创建:```
logs/
└── agent_20250101.log    # 格式:{name}_{YYYYMMDD}.log

日志格式:2025-01-01 12:00:00,123 - agent - INFO - middleware.py:19 - [tool monitor]执行工具:get_weather

  • 控制台:输出 INFO 及以上级别日志
  • 文件:输出 DEBUG 及以上级别日志(更详细)

📚 知识库

知识库文档存放在 data/ 目录下,支持 .txt 和 .pdf 格式。首次启动时,系统会自动将文档向量化并存入 Chroma 数据库(chroma_db/)。已处理文档通过 MD5 哈希追踪,重启后不会重复入库。

内置知识库文档:

文件 内容
扫地机器人100问.pdf 扫地机器人常见问题解答(PDF)
扫地机器人100问2.txt 扫地机器人补充问答
扫拖一体机器人100问.txt 扫拖一体机器人常见问题解答
故障排除.txt 故障排除指南
维护保养.txt 日常维护保养说明
选购指南.txt 购买建议与选型指南

如需扩展知识库,只需将新的 .txt 或 .pdf 文件放入 data/ 目录,重启服务后会自动加载。


🔮 后续优化方向

  • 将向量数据库从 Chroma 替换为 Redis(更适合生产部署)
  • 地点、天气等功能完整迁移至高德 MCP 协议
  • 增加用户身份认证与多用户会话隔离
  • 支持更多文档格式(Word、Excel 等)

📄 许可证

本项目仅供学习与参考使用。
感谢黑马程序员开源免费项目、阿里云和高德地图等开放平台。

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
zhisaotong-Agent 怎么安装?

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

zhisaotong-Agent 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。

zhisaotong-Agent 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。

zhisaotong-Agent 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

zhisaotong-Agent 能提供哪些能力?

资料显示约 7 个工具;能力标签包括 Python、LangChain、搜索。具体工具清单以官方文档为准。

zhisaotong-Agent 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。

zhisaotong-Agent 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。