人工智能AI AgentAgent 框架后端多智能体RAG工具调用Agent 记忆【免费下载链接】voltagentAI Agent Engineering Platform built on an Open Source TypeScript AI Agent Framework项目地址https://gitcode.com/gh_mirrors/vo/voltagent点击查看免费下载本篇技术指南将演示如何通过 Model Context ProtocolMCP模型上下文协议把 VoltAgent 与 Peaka 数据平台集成打造一个能够实时查询业务数据的 AI 智能体。读完本文你将掌握 VoltAgent 项目中MCPConfiguration的完整配置方法、mcp.getTools()的动态工具发现机制以及如何基于 Hono 服务器启动一个可对话、带记忆的数据感知型聊天机器人。背景Peaka 是什么为什么要用它Peaka 的定位是一个数据中间人data middleman把数据库、电子表格等各类数据源接入 Peaka 之后你可以用 SQL 甚至自然语言向它提问它会跨数据源帮你把信息汇总回来。对于不想搭建复杂数据管线的个人开发者或中小团队而言Peaka 提供了一条更简单的数据获取路径。在 AI 智能体场景中它的价值在于让大模型不再局限于训练数据而是能实时读取你真实的业务数据——比如查询昨天的 Stripe 余额、汇总某个客户的所有订单记录等。VoltAgent 的角色AI 应用组装框架VoltAgent 是开源的 TypeScript AI Agent 框架核心引擎是voltagent/core在此基础上可扩展语音交互voltagent/voice、不同 LLM 支持OpenAI、Google 等等能力。它负责处理历史记录、工具连接等复杂逻辑让开发者专注于智能体本身的独特功能。框架的定位介于从零用原始 AI 库搭建与简单无代码平台之间——比前者提供更多结构化支持比后者保留更高的自由度和可定制性。提示VoltAgent 生态还提供了 VoltOps LLM 可观测性平台Web 界面可监控智能体运行状态、查看其工作细节并直接与它对话常用于调试和测试。本文最后的运行演示也会用到它。集成思路让 VoltAgent 通过 MCP 与 Peaka 对话MCPModel Context Protocol是一种标准化的程序间协作协议。在本项目中它让 VoltAgent 能够向 Peaka 发出请执行这条数据查询的指令。整个集成链路如下MCPConfiguration声明 Peaka MCP Server 的启动方式通过npx拉取peaka/mcp-server-peaka并注入 API Keymcp.getTools()启动 Peaka 工具进程并询问你能做什么拿到它返回的能力清单如数据查询将这些工具传入Agent构造函数聊天机器人由此获得数据能力VoltAgent启动主系统HTTP 服务器运行后即可通过 VoltOps 平台与之对话。前置准备在 Peaka 官网注册免费账号注册后即可访问官方提供的示例数据准备好 OpenAI API Key示例中使用gpt-4o-mini模型本地已安装 Node.js 与 npm。第一步创建新的 VoltAgent 项目使用官方脚手架工具创建空白项目npm create voltagent-applatest my-peaka-agent # 按提示回答初始化问题 cd my-peaka-agent或者直接通过示例模板生成与本文完全一致的工程npm create voltagent-applatest -- --example with-peaka-mcp仓库中对应的完整示例位于 examples/with-peaka-mcp其 package.json 依赖了voltagent/core、voltagent/libsql、voltagent/logger、voltagent/server-hono等包并提供了dev、build、start、volt等脚本。第二步通过 MCP 把 Peaka 接入 VoltAgent编辑主代码文件src/index.ts配置 MCP 连接。以下是最核心的代码段来自示例 src/index.tsimport { Agent, MCPConfiguration, Memory, VoltAgent } from voltagent/core; import { LibSQLMemoryAdapter } from voltagent/libsql; import { createPinoLogger } from voltagent/logger; import { honoServer } from voltagent/server-hono; // 1. 建立到 Peaka MCP 工具的连接 const mcp new MCPConfiguration({ servers: { peaka: { type: stdio, // 以命令行程序方式运行 command: npx, // 启动命令 args: [-y, peaka/mcp-server-peakalatest], // npx 自动拉取最新版 MCP 工具 env: { PEAKA_API_KEY: process.env.PEAKA_API_KEY || }, }, }, }); (async () { const logger createPinoLogger({ name: with-peaka-mcp, level: info }); // 2. 询问 Peaka 工具提供哪些能力 const tools await mcp.getTools(); // 3. 创建聊天智能体 const agent new Agent({ name: Peaka Data Assistant, instructions: An assistant that can query Peakas sample data., model: openai/gpt-4o-mini, tools: [...tools], // 关键把 Peaka 的工具交给智能体 markdown: true, memory: new Memory({ storage: new LibSQLMemoryAdapter({ url: file:./.voltagent/memory.db }), }), }); // 4. 启动 VoltAgent new VoltAgent({ agents: { agent }, logger, server: honoServer({ port: 3141 }), }); })();代码逐步拆解MCPConfiguration告诉 VoltAgent存在一个 Peaka 工具用npx启动peaka/mcp-server-peaka并在运行时注入 API Key。type: stdio表示该 MCP Server 以本地命令行进程方式运行标准输入输出通信。mcp.getTools()核心魔法所在。VoltAgent 启动 Peaka 工具进程并询问你能做什么Peaka 返回自身能力清单如数据查询作为工具集。注意这是异步操作需要await。new Agent(...)创建聊天智能体指定名称、模型openai/gpt-4o-mini并将tools传入——智能体从此知道自己拥有额外的数据能力。new VoltAgent(...)启动主系统。相比最小示例此处额外接入了 Pino 日志与 Hono 服务器端口 3141并通过Memory LibSQL 适配器为智能体挂载了持久化记忆SQLite 文件./.voltagent/memory.db。关于MCPConfiguration的更多细节源码视角从核心包源码 packages/core/src/mcp/registry/index.ts 可以确认MCPConfiguration构造函数接收servers服务器名到配置的映射与可选的authorization工具访问授权配置getTools()内部会对每个 server 建立/复用连接getConnectedClient调用client.getAgentTools()获取智能体可直接使用的工具已做命名空间处理与结构校验最后将所有服务器的工具拍平成一个数组返回该实例还提供getRawTools()原始工具定义、getToolsets()按服务器分组的工具集、getClient(s)等方法disconnect()可统一断开所有连接类注释明确指出此版本不会自动管理单例实例每次new MCPConfiguration(...)都是独立连接。MCP 服务器的配置类型定义在 packages/core/src/mcp/types.ts支持四种传输方式传输类型说明关键字段stdio以本地子进程运行通过标准输入输出通信本文示例command、args、env、cwd、timeouthttpHTTP 传输先尝试 streamable HTTP不支持时自动回退到 SSEurl、requestInit、eventSourceInit、timeoutsse显式使用 SSEServer-Sent Events传输url、requestInit、eventSourceInit、timeoutstreamable-http纯 streamable HTTP 传输不自动回退url、requestInit、sessionId、timeout其中stdio配置的timeout为可选的最大请求超时时间毫秒默认连接层面约 30000ms。这意味着你不只可以接 Peaka——任何提供 MCP Server 的 HTTP/SSE 服务都可以用同样的方式接入。配置环境变量运行前需要在项目根目录创建.env文件并填入真实密钥PEAKA_API_KEYyour_secret_peaka_key OPENAI_API_KEYyour_secret_openai_key示例工程 package.json 的dev脚本为tsx watch --env-file.env ./src会自动加载.env中的密钥。注意保护好这些密钥切勿提交到版本库。第三步运行并提问代码就绪、密钥就位后启动npm run dev终端会看到 VoltAgent 启动成功并自动在后台拉起 Peaka 工具进程输出类似══════════════════════════════════════════════════ VOLTAGENT SERVER STARTED SUCCESSFULLY ══════════════════════════════════════════════════ ✓ HTTP Server: http://localhost:3141 VoltOps Platform: https://console.voltagent.dev ══════════════════════════════════════════════════在 VoltOps 平台发起对话浏览器打开 VoltOps LLM 可观测性平台找到名为 Peaka Data Assistant 的智能体打开聊天窗口提出一个需要实时数据的问题例如Hey, what was my Stripe balance yesterday?底层发生了什么当你提问后完整的调用链是聊天 AI 收到你的问题AI 判断需要数据发现可用 Peaka 工具决定调用该工具VoltAgent 通过 MCP 把请求转发给 Peaka 工具进程Peaka 执行查询访问你接入的真实数据源如 StripePeaka 把查询结果返回给 VoltAgentVoltAgent 把原始数据交给聊天 AIAI 将原始数据组织成自然语言回答展示在聊天窗口。这套链路正是 MCP 的价值体现智能体与数据源之间通过标准化协议解耦VoltAgent 负责连接编排Peaka 负责数据查询双方各司其职。延伸从最小示例到生产级示例本文开头引用的最小版本代码仅包含MCPConfigurationAgentVoltAgent三个要素而仓库中 examples/with-peaka-mcp/src/index.ts 展示了更完整的形态额外包含持久化记忆Memory搭配LibSQLMemoryAdapter把会话历史存到本地 SQLite 文件使智能体具备跨会话的上下文能力结构化日志通过createPinoLogger输出带命名空间的日志便于排查 MCP 连接与工具调用问题显式 HTTP 服务器用honoServer({ port: 3141 })明确指定端口方便与 VoltOps 平台或其他客户端对接。总结把 Peaka 接入 VoltAgent 智能体的整体体验相当顺畅MCPConfiguration一行声明即可完成 MCP Server 注册getTools()自动完成能力发现Agent拿到工具后即刻具备实时数据查询能力。这种组合非常适合构建掌握实时信息的内部工具internal tools能回答当前业务数据的帮助台机器人helpdesk bots任何需要超越训练数据能力的 AI 应用。如果你正在构建 AI 应用值得动手试一下这套方案——完整可运行的参考实现就在仓库的 examples/with-peaka-mcp 目录中。赞分享人工智能AI AgentAgent 框架后端多智能体RAG工具调用Agent 记忆【免费下载链接】voltagentAI Agent Engineering Platform built on an Open Source TypeScript AI Agent Framework项目地址https://gitcode.com/gh_mirrors/vo/voltagent点击查看免费下载相关推荐使用BeeAI框架构建Slack聊天机器人(MCP协议实现)使用BeeAI框架构建Slack聊天机器人 MCP协议实现 本文将通过BeeAI框架和Model Context Protocol MCP 协议手把手教你构建人工智能大模型AI AgentAgent 框架多智能体工具调用Agent 工作流RAGMCP 服务使用Vercel AI SDK构建智能Slack聊天机器人指南使用Vercel AI SDK构建智能Slack聊天机器人指南 引言 在当今的数字化工作环境中智能聊天机器人已成为提升团队协作效率的重要工具。本文将详细介绍如人工智能AI 应用AI Agent工具调用MCP Clients终极指南如何用TensorZero构建智能上下文感知聊天机器人终极指南如何用TensorZero构建智能上下文感知聊天机器人 TensorZero是一个开源项目它为优化LLM应用程序创建了一个反馈循环将生产数据转化为大模型LLMOpsLLM 网关后端模型评测可观测性模型优化上一篇500行代码构建你的第一个HTTP服务器Tinyhttpd完整入门指南下一篇Wand-Enhancer 免费解锁 Wand 全部功能创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
