# agent

**Repository Path**: mcp-office/agent

## Basic Information

- **Project Name**: agent
- **Description**: Agent System
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-17
- **Last Updated**: 2025-07-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Agent

1. 实现用户触发接口
2. 集成Llama3，实现api
3. 实现MCP Server，集成数据库
4. 实现MCP Client，实现触发MCP Server api

1 请求触发阶段
用户自然语言输入（如"查昨天ERROR日志"）通过API传入模型推理服务：
模型输出结构化请求
{"action":"query_logs","params":{"date":"2025-06-16","level":"ERROR"}}
2 MCP协议转换阶段
将结构化数据转换为MCP标准协议格式,生成最终报文：
{
    "request_id": "req_9a7b",
    "protocol": "MCP/v1",
    "tool": "query_logs",
    "params": {"date":"2025-06-16","level":"ERROR"},
    "auth": "Bearer xyz123"
}
3 网络传输阶段
MCP Client发送请求
4 服务端执行阶段
鉴权验证‌：检查JWT令牌有效性
‌工具路由‌：根据tool字段匹配注册的执行器
5 结果返回阶段
Llama3结果渲染,将原始数据转换为自然语言回复：
"根据日志查询结果：{response['data']}\n生成用户友好回复"


用户问：查订单12345状态。请用JSON格式返回工具调用请求，工具列表：[query_order]
你需以JSON格式响应，包含固定字段：
- "action": 工具名称（如query_order）
- "params": {参数键值对}
  示例：{"action":"query_logs","params":{"date":"2023-01-01","level":"ERROR"}}