由Agno框架构建的企业级差旅规划智能客服系统。集成了包括MCP、技能、内存、知识库、座席团队和工作流在内的高级功能。
概览
是一个完全基于Agno框架构建的企业级旅行规划智能代理系统。通过集成包括、、和等先进功能，旅行者提供高度定制化、全面且最新的旅行规划服务。 系统包含由 Typer 驱动的丰富 CLI。 Traveler 可以作为有状态的 FastAPI 后端运行。 为了赋予代理你自己的定制指南：1. 将 PDF/Markdown 指南放入 src/traveler/knowledge_docs/ 2.运行加载命令将它们矢量化到本地 ChromaDB： - ： 核心代理框架（代理、团队、工作流、MCP、技能） - ： 强大的Web API和数据验证 - ： 知识向量数据库（RAG） - ： 会话内存与持久性基础（可轻松切换为Postgres） - ： 强大且美观的CLI创建 - ： 现代Python日志 是一个基于 Agno 框架构建的企业级旅游规划智能体系统。通过深度集成 、、、、 以及 等能力，Traveler 为用户提供高度定制化、全面且信息实时的旅行规划服务。 如果您有特定的旅游攻略或私有数据： 1.请将 Markdown 或 PDF 文档放入 src/traveler/knowledge_docs/ 目录下。2.
概述（AI 翻译）
英文版
Traveler 是一个完全基于 Agno 框架构建的企业级旅行规划智能代理系统。通过集成包括 MCP（模型上下文协议）、技能、记忆、知识库、客服团队和工作流程*在内的先进功能，Traveler 提供高度定制化、全面且最新的差旅规划服务。
结果：
-
英语：报告呈现
-
中文： 报告展示
✨ 核心功能
| 特色 | 描述 |
|---|---|
| 代理 | 基于Agno的旅行规划代理，具备复杂工具调用、多回合对话和自主推理能力。 |
| 团队协作 | 多智能体协作模型：协调规划师、研究员和预算分析师无缝协作。 |
| 工作流程 | 结构化流水线执行：研究（信息收集）→预算→行程规划。 |
| MCP 集成 | 连接外部 MCP 服务器，获取实时天气、通用网页搜索、酒店集成和 Google 路线分析。 |
本页由 AI 翻译，技术细节请以原文为准。
README
以下为原文 README 节选，完整内容请查看原文。
🌍 Agno-Based Travel Planning Agent System / 基于Agno的旅游规划智能体
English Version
Traveler is an enterprise-grade travel planning intelligent agent system built entirely upon the Agno framework. By integrating advanced functionalities including MCP (Model Context Protocol), Skills, Memory, Knowledge Bases, Agent Teams, and Workflows, Traveler provides highly customized, comprehensive, and up-to-date travel planning services.
Result:
-
English: Report presentaion
-
Chinese: 报告展示
✨ Core Features
| Feature | Description |
|---|---|
| Agent | Travel planner agent based on Agno, capable of complex tool calling, multi-turn dialogue, and autonomous reasoning. |
| Team Collaboration | Multi-agent collaboration model: orchestrates a Planner, Researcher, and Budget Analyst to work together seamlessly. |
| Workflow | Structured pipeline execution: Research (Information Gathering) → Budgeting → Itinerary Planning. |
| MCP Integration | Connects to external MCP servers to fetch real-time Weather, generic Web Search, Hotel integrations, and Google Route analysis. |
| Skills plugins | Specialized skill modules (Agno Skills) for Travel Planning, Local Expertise, Intent Analysis, and Budget Optimization. |
| Memory System | Automatically retains and retrieves user preferences and interaction history for fully personalized sessions. |
| Knowledge Base | RAG (Retrieval-Augmented Generation) functionality supported by ChromaDB/LanceDB locally to store and query travel guide documents. |
| Custom Tools | Built-in toolkit tailored for flight, hotel, and attraction search scenarios. |
🏗️ Architecture & Structure
Traveler/
├── .env.example # Environment variables template
├── pyproject.toml # Project configuration and dependencies (Hatch build system)
├── data/ # Local data storage (SQLite, ChromaDB outputs, reports)
├── src/traveler/ # Main source code directory
│ ├── agents/ # Agent Definitions (Planner, Researcher, Budget Analyst, Team)
│ ├── api/ # FastAPI web service (app, routes, schemas)
│ ├── config/ # Pydantic Settings & Loguru configurations
│ ├── core/ # Core Infrastructure (Model Factory, Database Setup, Knowledge Management)
│ │ └── mcp/ # External MCP Server Clients (Weather, Google Routes, etc.)
│ ├── knowledge_docs/ # Document drop-zone for RAG Knowledge base安装
This server does not publish a one-line install command.
Open the repository installation guide 新手？先看 mcpskill.org 教程 →