SmartBridge：MCP 智能工具桥接平台
当前 LLM 的通用问答能力很强，但缺乏实时数据获取能力与多工具联动机制，本项目旨在通过构建一个基于 MCP（Modular Cognitive Protocol）与 Agentic AI 平台的智能体系统，实现：
- 快速接入多个实用工具（如 BMI 计算、新闻聚合、Web 搜索）；
- 支持结构清晰、可扩展的服务端与客户端通信架构；
- 支持 Agent 任务中灵活组合调用多个工具，构建小型多能体。
- 用户无法通过语言交互实时查询外部数据；
- 工具开发杂乱、难以复用，缺乏统一接口标准；
- MCP Inspector 工具开发体验弱，需要模块化工程结构提升协作效率。
- BMI 智能计算器：接收身高、体重、年龄、性别，输出 BMI、健康建议及与同龄人对比结果；
- 新闻聚合搜索：基于聚合数据 API，支持指定分类（如科技、娱乐）新闻摘要；
- 实时 Web 搜索：调用 Tavily API，提供高质量搜索结果用于 LLM 工具链；
- 模块化 MCP 工具体系：支持注册多个工具模块，一键启动 Inspector 网页进行交互；
- 统一注册调度器：通过
server.py + tools/的结构统一管理各智能工具； - 环境隔离与配置管理：使用
.env管理敏感信息，兼容开发/部署需求。
- 🧩 工具模块化注册：支持单个工具独立调试，组合式部署；
- 🧠 智能 Agent 桥接：可作为 LLM 的插件使用，通过 BridgeManager 桥接器调用；
- 🕹 MCP Inspector 界面联动：内嵌交互界面，调试体验极佳；
- 🚀 支持扩展性强：可轻松集成如翻译、图表生成、天气查询等模块。
- 使用
FastMCP启动服务； - 工具模块统一放在
tools/下，每个工具提供register_tools_to(mcp)接口； - 主控入口
server.py负责统一注册和启动所有工具； - 工具使用
@mcp.tool()装饰器声明并被 MCP Inspector 自动识别。
- 客户端通过
BridgeManager使用标准输入输出协议调用 MCP 工具； - 支持 LLM 传入任意 prompt，自动路由到对应 MCP 工具进行响应。
本项目兼容 Agentic AI 框架下的 工具型 Agent 模型：
- 每个 MCP 工具即为一个 Agent 能力模块（Tool Agent）；
- LLM 可作为调度器，根据 Prompt 意图选择合适的 Tool；
- BridgeManager 封装为兼容 Agentic 推理接口的桥接组件；
- 使用系统 prompt 明确指定系统能力和调用方式，实现多轮对话链条执行。
- ✅ MCP 工具模块化拆分机制；
- ✅ 支持
StdioServerParameters启动 MCP 工具子进程； - ✅
.env环境变量自动加载与参数注入； - ✅ 可动态构建 LLM + 工具组合流程；
- ✅ 工具层统一输入输出 schema，支持 Inspector 自动生成 UI 表单；
- ✅ 接入多 API 平台（Tavily、聚合数据）进行信息聚合；
- ✅ 支持中文 Prompt 输入，双语友好。
- 🧩 使用
mcp.tool()规范注册； - 🌉 构建 LLM - MCP 桥接服务；
- 💡 实现多工具动态注册和调用逻辑；
- 🧠 应用 Agentic 模式设计交互链路。
虽然 MCP Inspector 提供了基础 Web 界面，我们在以下方面进行了优化/计划优化：
- ✅ 各工具自动生成描述与中文提示；
- ✅ 参数顺序、类型提示优化（如性别选择框）；
- 🔜 后续计划接入自定义前端（如
Streamlit或FastAPI），支持图形化 BMI 折线图、新闻摘要卡片样式等。
| 成员 | 职责说明 |
|---|---|
| Julian Cooper(端木俊琦）（组长） | 系统架构设计、BridgeManager 构建、.env管理 |
| 实现 `bmi_advanced` 工具模块、数据封装 |
| 聚合数据 API 调用、新闻聚合模块实现 |
| UI 调试、MCP Inspector 工具联动、调试文档 |
| 全员 | 协作编码、测试联调、提交报告、现场演示等 |
- 🧠 集成图表输出模块（如体重变化趋势、BMI 分布图）；
- 🔗 接入更多第三方数据接口（如微博热搜、天气 API、健康百科）；
- 🤖 构建自动 Agent 流程（自动读取新闻 → 总结 → 推送）；
- 📱 发布前端 UI 小程序或网页端，让用户更易使用；
- ☁️ 云端部署（如 Render、Railway），支持公开调用与团队协作；
- 🧪 加入用户行为日志，优化工具推荐路径与 Agent 推理过程。