
azure-samples/mcp-agent-langchainjs
Developer toolsЭта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал
Бессерверный агент ИИ, использующий интеграцию LangChain.js и Model Context Protocol (MCP) для заказа бургеров в ресторане
Обзор
⭐ Если вам понравился этот образец, поставьте звезду на GitHub — это очень помогает! Этот проект демонстрирует, как создавать AI-агенты, которые могут взаимодействовать с реальными API с помощью . Он включает полноценную систему заказов бургеров с бессерверным API, веб-интерфейсами и MCP-сервером, позволяющим агентам ИИ просматривать меню, размещать заказы и отслеживать статус заказов. Агент используется для обработки рассуждений LLM и вызова инструментов. Система состоит из нескольких взаимосвязанных сервисов, подробно описанных в разделе «Архитектура» ниже. Система размещена на Azure Static Web Apps (веб-приложения) и Azure Functions (API и MCP серверы), а Azure Cosmos DB для NoSQL — для хранения данных. Вы можете использовать её как отправную точку для создания собственных AI-агентов. Вы можете протестировать это приложение локально без необходимости развертывания или облачных затрат. MCP-сервер также работает с популярными AI-инструментами, такими как GitHub Copilot, Claude и другими совместимыми с MCP клиентами. Следуйте инструкциям в разделе Локальная разработка, чтобы начать.
Обзор (машинный перевод)
⭐ Если вам понравился этот образец, поставьте звезду на GitHub — это очень помогает!
Обзор • Архитектура • Начало • Развертывание в Azure • Локальный запуск • MCP tools • Ресурсы
[! ВАЖНО] 👉 Следите за полноформатным мастер-классом, чтобы узнать, как мы создали этот образец.
Обзор
Этот проект демонстрирует, как создавать AI-агенты, способные взаимодействовать с реальными API с помощью Протокола контекста модели (MCP). Он включает полноценную систему заказов бургеров с бессерверным API, веб-интерфейсами и MCP-сервером, позволяющим агентам AI просматривать меню, делать заказы и отслеживать статус заказов. Агент использует LangChain.js для обработки рассуждений LLM и вызова инструментов. Система состоит из нескольких взаимосвязанных сервисов, подробно описанных в разделе «Архитектура» ниже.
Система размещена на Azure Static Web Apps (веб-приложения) и Azure Functions (API и MCP серверы), а Azure Cosmos DB для NoSQL — для хранения данных. Вы можете использовать её как отправную точку для создания собственных AI-агентов.
[! СОВЕТ] Вы можете протестировать это приложение локально без необходимости развертывания или облачных затрат. MCP-сервер также работает с популярными AI-инструментами, такими как GitHub Copilot, Claude и другими совместимыми с MCP клиентами.
Эта страница переведена автоматически. Технические детали смотрите в оригинале.
README
Показан фрагмент оригинального README. Открыть оригинал.
[!IMPORTANT] 👉 Follow the full-length workshop to learn how we built this sample.
Overview
This project demonstrates how to build AI agents that can interact with real-world APIs using the Model Context Protocol (MCP). It features a complete burger ordering system with a serverless API, web interfaces, and an MCP server that enables AI agents to browse menus, place orders, and track order status. The agent uses LangChain.js to handle LLM reasoning and tool calling. The system consists of multiple interconnected services, as detailed in the Architecture section below.
The system is hosted on Azure Static Web Apps (web apps) and Azure Functions (API and MCP servers), with Azure Cosmos DB for NoSQL for data storage. You can use it as a starting point for building your own AI agents.
[!TIP]
Установка
npx -y @modelcontextprotocol/inspector