LLM Chat Assistant

LLM Chat Assistant

Este proyecto es una aplicación de asistente de chat que integra un cliente MCP (host MCP) con un LLM (Modelo de Lenguaje Grande) y herramientas externas (Servidores MCP). Permite a los usuarios interactuar con el LLM, que puede proporcionar respuestas directas o llamar a herramientas externas (servidores MCP) para procesar las solicitudes de los usuarios.

Modos compatibles

• Modo stdio
• Modo http

Características

• Integración con LLM: Se comunica con un LLM utilizando la librería pydantic-ai.
• Ejecución de herramientas: Soporta herramientas externas - servidores MCP que pueden ejecutarse según la entrada del usuario.
• Respuestas estructuradas: Maneja respuestas estructuradas del LLM, incluyendo llamadas a herramientas y respuestas directas.
• Gestión de servidores: Gestiona múltiples servidores MCP para la ejecución de herramientas.

Requisitos

• Python 3.13 o superior
• Servidor(es) MCP configurado(s) para la ejecución de herramientas
• LLM usando Ollama instalado localmente con qwen3:0.6b - Puedes cambiarlo si es necesario (https://ollama.com - instrucciones sobre cómo hacerlo.)
• .env LLM_API_KEY=tu-clave-api-aquí si se utiliza un LLM externo

Instalación

Para ejecutar los servidores MCP de demostración desde la carpeta 'mcp-servers' 1.FatMCP - https://github.com/modelcontextprotocol/python-sdk?tab=readme-ov-file#adding-mcp-to-your-python-project

• Más información sobre FastMCP -> https://gofastmcp.com/getting-started/welcome

2. Clonar el repositorio:

   git clone https://github.com/Rommagcom/agentic_ai_mcp.git
   cd agentic_ai_mcp
   
   pip install -r requirements.txt
   python mcp_host_client.py
   
   

3. Para probar el Modo http:
   • ejecutar el archivo de la carpeta mcp-servers/test_http_server.py - python mcp-servers/test_http_server.py

Ejemplo de interacción

• Tú: echo test (Después de esta solicitud, el LLM determina si llamar a la herramienta necesaria del servidor MCP)

• Asistente: El resultado de la prueba de eco es un texto que contiene el mensaje "This is echo test test". (Respuesta directa del servidor MCP)

• Tú: ¿Cómo está el clima en Phuket?

• Asistente: El clima en Phuket se está obteniendo actualmente a través de la API, con la respuesta simulada indicando que es un resultado simulado.

Añade tu servidor MCP

1. Añade a la carpeta mcp-server un nuevo archivo .py como en los ejemplos echo.py o weather_server.py o test_http_server.py
2. Añade una sección a servers_config.json como donde 'echo' es el nombre de la herramienta en el archivo .py -> @mcp.tool(description="A simple echo tool", name="echo")
"args": ["mcp-servers/weather_server.py"] ruta completa del archivo del servidor

```Ejemplo:
{
	"mcpServers": {
		"echo": {
			"command": "python",
			"args": ["mcp-servers/echo.py"]
		},
		"weather_server": {
			"command": "python",
			"args": ["mcp-servers/weather_server.py"]
		}
	}
}

Para el caso de uso http, añade la URL del servidor MCP http(s) a la configuración como: "url": "http://127.0.0.1:9000/mcp" y el nombre del servidor como "test_http" como en:

```Ejemplo:
{
	"mcpServers": {
		"test_http": {
  			"url": "http://127.0.0.1:9000/mcp"
		}
	}
}