개요

이 프로젝트는 Model Context Protocol (MCP), LangChain, FastAPI 및 Streamlit을 사용하여 구축 된 연구 보조 응용 프로그램을 보여줍니다. MCP 서버와 Langchain을 사용하여 모듈 식 AI 시스템을 만드는 방법을 보여줍니다. 이 데모는 과학 논문을 검색하고 분석할 수 있으며 문서의 언어 분석을 제공하며 이러한 AI 기능과 상호작용하기 위한 사용자 친화적 인 인터페이스를 만듭니다.

건축

이 데모는 세 가지 주요 구성 요소로 구성됩니다.

1. MCP 서버:

• ArXiv Server : ArXiv의 과학 논문 검색 및 검색 도구 제공
• DocLing Server: 텍스트 분석 및 이해를 위한 문서 언어 도구 제공

2. FastAPI 클라이언트 서버:

• MCP 서버간의 조정층 역할을 합니다.
• MCP 서버에서 도구를 사용하는 연구 보조 에이전트 구현
• 조수와 상호 작용하는 API를 노출

3. Streamlit UI:

• 사용자 친화적 인 웹 인터페이스 제공
• 사용자가 연구 조수를 쿼리 할 수 있음
• 디스플레이 검색 결과, 종이 분석 및 기타 출력

그것이 작동하는 방법

1. 사용자는 Streamlit UI를 통해 연구 질문이나 요청을 제출합니다.
2. 요청은 FastAPI 클라이언트 서버로 전송됩니다.
3. 명세.

MCP Research Assistant Demo

Overview

This project demonstrates a research assistant application built using Model Context Protocol (MCP), LangChain, FastAPI, and Streamlit. It showcases how to create a modular AI system with MCP servers and Langchain. This demo can search and analyze scientific papers, provide linguistic analysis on documents, and create a user-friendly interface for interacting with these AI capabilities.

Architecture

This demo consists of three main components:

1. MCP Servers:

• ArXiv Server: Provides tools for searching and retrieving scientific papers from ArXiv
• DocLing Server: Offers document linguistics tools for analyzing and understanding text

2. FastAPI Client Server:

• Acts as the coordination layer between the MCP servers
• Implements a research assistant agent that uses tools from both MCP servers
• Exposes an API for interacting with the assistant

3. Streamlit UI:

• Provides a user-friendly web interface
• Allows users to query the research assistant
• Displays search results, paper analyses, and other outputs

How It Works

1. User submits a research question or request through the Streamlit UI
2. The request is sent to the FastAPI client server
3. The client server uses the MultiServerMCPClient to coordinate with multiple MCP servers
4. Based on the request, the appropriate tools are invoked (ArXiv search, document analysis, etc.)
5. Results are processed and returned to the Streamlit UI for display

Getting Started

Environment Setup
Copy the template environment file:

cp .env.template .env

Edit the .env file with your API keys and configurations

Running with Docker Compose
The easiest way to run the entire application is using Docker Compose:

docker-compose up -d

This will start all components:

• ArXiv server on port 8000
• DocLing server on port 8001
• Client server on port 8002
• Streamlit UI on port 8501

Then visit here to access the Streamlit UI.