chenchen/agents
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

更新mcp

Browse Source
This commit is contained in:
zhanggangyong
2026-01-17 07:43:12 +00:00
parent 797d194bca
commit 6f78aa8a38
2 changed files with 87 additions and 22 deletions
Download Patch File Download Diff File Expand all files Collapse all files
search_agent/search_agent_MCP/USER_GUIDE.md
+39 -16
View File
@@ -34,7 +34,21 @@ MCP Search Agent 是基于 Model Context Protocol (MCP) 协议的智能搜索服
"id": "request-001",
"method": "search",
"params": {
"query": "什么是人工智能？"
"query": "什么是人工智能？",
"api_key": "your-llm-api-key"
}
}
```
**或者使用 `llm_api_key`（与API格式保持一致）**:
```json
{
"jsonrpc": "2.0",
"id": "request-001",
"method": "search",
"params": {
"query": "什么是人工智能？",
"llm_api_key": "your-llm-api-key"
}
}
```
@@ -48,8 +62,8 @@ MCP Search Agent 是基于 Model Context Protocol (MCP) 协议的智能搜索服
| method | string | 是 | 方法名，固定为 "search" |
| params | object | 是 | 请求参数对象 |
| params.query | string | 是 | 搜索查询内容 |
| params.api_key | string | 否 | LLM API密钥（可选，如果环境变量已配置则不需要） |
| params.model | string | 否 | 模型名称（可选，如果环境变量已配置则不需要） |
| params.api_key | string | 是 | LLM API密钥（**必填**，等同于API格式版本的`llm_api_key`） |
| params.llm_api_key | string | 是 | LLM API密钥（**必填**，`api_key`的别名，与API格式保持一致） |
**响应示例**:
```json
@@ -117,7 +131,8 @@ MCP Search Agent 是基于 Model Context Protocol (MCP) 协议的智能搜索服
"id": "request-002",
"method": "search/stream",
"params": {
"query": "Python编程语言的特点"
"query": "Python编程语言的特点",
"api_key": "your-llm-api-key"
}
}
```
@@ -146,7 +161,8 @@ data: {"jsonrpc":"2.0","id":"request-002","method":"task/complete","params":{"ta
"id": "request-003",
"method": "search",
"params": {
"query": "搜索查询"
"query": "搜索查询",
"api_key": "your-llm-api-key"
}
}
```
@@ -250,7 +266,8 @@ curl -X POST https://your-service-url/mcp/v1/search \
"id": "test-1",
"method": "search",
"params": {
"query": "什么是人工智能？"
"query": "什么是人工智能？",
"api_key": "your-llm-api-key"
}
}'
@@ -262,7 +279,8 @@ curl -X POST https://your-service-url/mcp/v1/search/stream \
"id": "test-2",
"method": "search/stream",
"params": {
"query": "Python编程语言的特点"
"query": "Python编程语言的特点",
"api_key": "your-llm-api-key"
}
}'
```
@@ -280,7 +298,8 @@ payload = {
"id": "python-request-1",
"method": "search",
"params": {
"query": "什么是人工智能？"
"query": "什么是人工智能？",
"api_key": "your-llm-api-key"
}
}
@@ -305,7 +324,8 @@ const payload = {
id: 'js-request-1',
method: 'search',
params: {
query: '什么是人工智能？'
query: '什么是人工智能？',
api_key: 'your-llm-api-key'
}
};
@@ -337,18 +357,21 @@ fetch(url, {
以下环境变量在 AKS 部署时已配置，用户**不需要**在请求中传递：
- `LLM_BASE_URL` - LLM服务基础URL
- `MODEL_NAME` - 模型名称
- `LITELLM_API_KEY` - LLM API密钥（如果已配置，则用户请求中不需要传递）
- `MODEL_NAME` 或 `LLM_MODEL` - 模型名称
- `SERPER_API_KEY` - Serper搜索API密钥
- `JINA_API_KEY` - Jina Reader API密钥
### 2. 用户请求参数
用户调用时**只需要**传递：
用户调用时**必须**传递：
- `query` - 搜索查询内容（**必填**）
- `api_key` - LLM API密钥（**可选**，如果部署时未配置则需要传递）
- `model` - 模型名称（**可选**，如果部署时未配置则需要传递）
- `api_key` 或 `llm_api_key` - LLM API密钥（**必填**，等同于API格式版本的`llm_api_key`，用于计费和身份验证）
**注意**：
- **`api_key`/`llm_api_key`是必需的**，必须在每次请求中传递（这是用户的LLM API密钥，用于计费和身份验证）
- **`model`不需要传递**，模型名称已在AKS部署时通过环境变量（`MODEL_NAME`或`LLM_MODEL`）配置
- 与API格式版本保持一致：用户的API密钥必须传递，其他配置由部署时通过环境变量配置
### 3. 请求格式
@@ -375,11 +398,11 @@ fetch(url, {
### Q1: 请求中是否需要传递 api_key？
**A**: 如果服务在 AKS 部署时已配置 `LITELLM_API_KEY` 环境变量，则用户请求中不需要传递 `api_key`。如果没有配置，则需要在请求的 `params` 中传递 `api_key`。
**A**: **必须传递**。`api_key`（或`llm_api_key`）是用户的LLM API密钥，必须在每次请求中传递（等同于API格式版本的`llm_api_key`）。这是用于计费和身份验证的，不能从环境变量获取。
### Q2: 请求中是否需要传递 model？
**A**: 如果服务在 AKS 部署时已配置 `MODEL_NAME` 环境变量，则用户请求中不需要传递 `model`。如果没有配置，则需要在请求的 `params` 中传递 `model`。
**A**: **不需要传递**。模型名称已在AKS部署时通过环境变量（`MODEL_NAME`或`LLM_MODEL`）配置，用户请求中不需要传递。
### Q3: 如何处理超时？
search_agent/search_agent_MCP/mcp_server.py
+48 -6
View File
@@ -281,9 +281,30 @@ class MCPSearchAgentServer:
}
})
# 提取API key和model（如果提供）
api_key = params.get("api_key") or os.getenv("LITELLM_API_KEY")
model = params.get("model") or os.getenv("MODEL_NAME") or os.getenv("LITELLM_MODEL")
# 提取API key（必须从请求参数中获取，等同于API格式版本的llm_api_key）
api_key = params.get("api_key") or params.get("llm_api_key")
if not api_key:
return JSONResponse({
"jsonrpc": "2.0",
"id": request.id,
"error": {
"code": -32602,
"message": "Invalid params: 'api_key' or 'llm_api_key' is required"
}
})
# 提取model（从环境变量获取，不支持在请求中传递，与API格式版本保持一致）
# 支持多种环境变量名称：MODEL_NAME（优先）、LLM_MODEL（AKS部署）、LITELLM_MODEL
model = os.getenv("MODEL_NAME") or os.getenv("LLM_MODEL") or os.getenv("LITELLM_MODEL")
if not model:
return JSONResponse({
"jsonrpc": "2.0",
"id": request.id,
"error": {
"code": -32000,
"message": "Model not configured: MODEL_NAME or LLM_MODEL environment variable is required"
}
})
# 创建任务ID
task_id = params.get("task_id", uuid.uuid4().hex)
@@ -355,9 +376,30 @@ class MCPSearchAgentServer:
}
})
# 提取API key和model（如果提供）
api_key = params.get("api_key") or os.getenv("LITELLM_API_KEY")
model = params.get("model") or os.getenv("MODEL_NAME") or os.getenv("LITELLM_MODEL")
# 提取API key（必须从请求参数中获取，等同于API格式版本的llm_api_key）
api_key = params.get("api_key") or params.get("llm_api_key")
if not api_key:
return JSONResponse({
"jsonrpc": "2.0",
"id": request.id,
"error": {
"code": -32602,
"message": "Invalid params: 'api_key' or 'llm_api_key' is required"
}
})
# 提取model（从环境变量获取，不支持在请求中传递，与API格式版本保持一致）
# 支持多种环境变量名称：MODEL_NAME（优先）、LLM_MODEL（AKS部署）、LITELLM_MODEL
model = os.getenv("MODEL_NAME") or os.getenv("LLM_MODEL") or os.getenv("LITELLM_MODEL")
if not model:
return JSONResponse({
"jsonrpc": "2.0",
"id": request.id,
"error": {
"code": -32000,
"message": "Model not configured: MODEL_NAME or LLM_MODEL environment variable is required"
}
})
task_id = params.get("task_id", uuid.uuid4().hex)