🌟 全球首个基于MCP架构的多智能体AI旅行规划系统
采用革新性的多智能体协作架构，提供从信息收集到行程制定的全自动化旅行规划服务

• 🤖 多智能体协作: 专业分工的智能体团队协同工作
• 🌐 MCP架构: 业界领先的模型上下文协议集成
• 🎨 现代化UI: 基于Streamlit的直观交互界面
• 📊 全方位规划: 从航班到住宿，从餐饮到景点的全覆盖服务
• 💰 智能预算: 自动预算分配和成本优化
• 📄 PDF导出: 专业的旅行计划文档生成

• MCP协议: 首个实现Model Context Protocol的旅行规划系统
• 多智能体架构: 信息收集与行程规划的智能分离
• 实时数据: 集成SearchAPI实现动态信息获取
• 多模型支持: 兼容OpenAI GPT和Google Gemini
• 异步处理: 高效的并发请求处理机制

graph TB
    A[用户输入] --> B{请求类型判断}
    B -->|新规划| C[信息收集智能体]
    B -->|追问/修改| D[追问处理智能体]
    
    C --> E[航班搜索]
    C --> F[住宿查找]
    C --> G[景点推荐]
    C --> H[餐厅搜索]
    C --> I[交通规划]
    
    E --> J[行程规划智能体]
    F --> J
    G --> J
    H --> J
    I --> J
    
    J --> K[结构化旅行方案]
    D --> K
    
    K --> L[Streamlit界面展示]
    L --> M[PDF报告生成]

1. 信息收集智能体 (Information Collector)

   • 🔍 搜索目的地信息
   • ✈️ 查找最佳航班选项
   • 🏨 推荐合适住宿
   • 🍽️ 发现特色餐厅
   • 🎯 收集景点活动

2. 行程规划智能体 (Itinerary Planner)

   • 📅 制定详细日程
   • 🗺️ 优化路线规划
   • 💰 管理预算分配
   • ⚡ 提供备选方案

3. 追问处理智能体 (Follow-up Agent)

   • 💬 处理用户追问
   • 🔄 调整现有计划
   • 📝 提供详细解答

• 前端: Streamlit (现代化Web界面)
• 后端: Python + AsyncIO (异步处理)
• AI模型: OpenAI GPT / Google Gemini
• 数据源: SearchAPI (实时搜索)
• 协议: MCP (Model Context Protocol)
• 文档: FPDF (PDF生成)

1. 🔧 配置面板

   • 出发地/目的地设置
   • 旅行日期选择
   • 预算范围设定
   • 偏好自定义

2. 📊 实时进度

   • 信息收集状态
   • 规划进度追踪
   • 智能体协作状态

3. 📋 结果展示

   • 结构化旅行方案
   • 详细费用分解
   • 多媒体信息展示

4. 🔄 交互式追问

   • 快捷问题模板
   • 个性化修改
   • 实时方案调整

用户输入: "我想去东京旅行5天，预算20000元，喜欢传统文化和美食"

系统输出:
📍 目的地分析: 东京四季特色、文化亮点
✈️ 航班推荐: 3个最佳选项，价格3500-4500元
🏨 住宿建议: 新宿/银座/浅草区域，800-1500元/晚
🗓️ 5日行程: 
  Day1: 抵达→浅草寺→银座
  Day2: 明治神宫→表参道→东京塔
  Day3: 筑地市场→皇居→秋叶原
  Day4: 镰仓一日游
  Day5: 购物→离境
💰 预算分解: 机票4000+住宿6000+餐饮5000+交通2000+门票3000

用户需求: "欧洲三国15天，预算50000元，情侣出行"

智能体协作:
🔍 信息收集智能体: 并行搜索法国、意大利、德国信息
📋 行程规划智能体: 优化跨国路线，平衡城市间交通
💡 个性化定制: 浪漫景点推荐，双人活动安排

• Python 3.8+
• 稳定的网络连接
• API密钥配置

1. 克隆仓库

git clone https://github.com/yourusername/ai-travel-planner.git
cd ai-travel-planner

2. 创建虚拟环境

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

3. 安装依赖

pip install -r requirements.txt

4. 配置API密钥

# 复制环境变量模板
cp .env.example .env

# 编辑.env文件，填入您的API密钥
OPENAI_API_KEY=your_openai_key_here
SEARCHAPI_API_KEY=your_searchapi_key_here
GOOGLE_API_KEY=your_google_key_here  # 可选

5. 启动应用

streamlit run multi_agent_streamlit_app.py

1. 访问 OpenAI Platform
2. 创建账户并生成API Key
3. 建议使用GPT-4模型以获得最佳效果

1. 注册 SearchAPI
2. 获取免费额度或购买计划
3. 复制API Key到环境变量

1. 访问 Google AI Studio
2. 创建项目并获取API密钥
3. 启用Gemini Pro模型

# 通过Web界面
1. 填写出发地和目的地
2. 选择旅行日期
3. 设定预算范围
4. 选择偏好设置
5. 点击"生成旅行计划"

# 通过API调用
from multi_agent_travel import run_multi_agent_travel_planner

result = await run_multi_agent_travel_planner(
    source="北京",
    destination="东京",
    start_date="2024-05-01",
    end_date="2024-05-05",
    budget=20000,
    preferences="文化体验,美食探索"
)

# 使用快捷问题模板
- 景点详情查询
- 餐厅推荐补充
- 交通方案优化
- 预算重新分配

# 自定义追问
"可以推荐更多关于传统文化的景点吗？"
"住宿预算可以降低到每晚800元以下吗？"

# 自定义智能体配置
planner = MultiAgentTravelPlanner(
    collector_model="gpt-4",           # 信息收集智能体使用GPT-4
    planner_model="gemini-pro",        # 规划智能体使用Gemini
    max_search_results=20,             # 最大搜索结果数
    budget_optimization=True           # 启用预算优化
)

# 批量生成多个方案
destinations = ["东京", "巴黎", "纽约"]
for dest in destinations:
    plan = await generate_travel_plan(destination=dest)
    export_to_pdf(plan, f"travel_plan_{dest}.pdf")

async def run_multi_agent_travel_planner(
    source: str,                    # 出发地
    destination: str,               # 目的地
    start_date: str,               # 开始日期 (YYYY-MM-DD)
    end_date: str,                 # 结束日期 (YYYY-MM-DD)
    budget: int,                   # 预算金额
    preferences: str = "",         # 旅行偏好
    accommodation_type: str = "",  # 住宿类型偏好
    transportation_mode: str = "", # 交通方式偏好
    dietary_restrictions: str = "" # 饮食限制
) -> Dict[str, Any]

async def handle_multi_agent_follow_up(
    user_question: str,            # 用户问题
    travel_plan: str,              # 现有旅行计划
    travel_info: Dict[str, Any],   # 旅行基本信息
    use_search: bool = True        # 是否使用搜索工具
) -> str

# 搜索相关工具
@mcp.tool()
async def search_general(query: str) -> Dict[str, Any]

@mcp.tool()  
async def search_flights(query: str) -> Dict[str, Any]

@mcp.tool()
async def search_hotels(query: str) -> Dict[str, Any]

@mcp.tool()
async def search_restaurants(query: str) -> Dict[str, Any]

• ⚡ 高效处理: 异步多智能体协作
• 🎯 精准匹配: AI驱动的个性化推荐
• 🔄 实时更新: 动态信息获取和同步
• 🌍 全球覆盖: 支持worldwide目的地
• 💰 成本优化: 智能预算分配算法

用户需求: 日本+韩国10天文化深度游，预算30000元

规划结果:

• 🏆 节省15%预算（实际花费25500元）
• 📍 覆盖8个城市，21个文化景点
• 🍜 品尝32种特色美食
• ⭐ 用户评价: "超出预期的完美行程！"

用户需求: 法国+意大利+瑞士15天蜜月游，预算80000元

规划结果:

• 💕 定制浪漫路线，包含10个网红打卡点
• 🏰 入住5家精品酒店，均获米其林推荐
• 🚞 优化交通方案，节省6小时路程时间
• 📸 提供专属摄影建议和最佳时间点

用户需求: 新加坡+马来西亚7天亲子游，预算25000元

规划结果:

• 👨‍👩‍👧‍👦 针对3-12岁儿童优化行程
• 🎢 包含5个主题乐园和互动体验
• 🍼 提供母婴设施完善的住宿推荐
• 🚗 安排便捷的家庭交通方案

项目采用高度模块化的架构，便于扩展和维护：

ai_travel_planner/
├── 🤖 智能体模块
│   ├── multi_agent_travel.py      # 多智能体核心
│   ├── agent_prompts.py           # 智能体提示词
│   └── travel_prompts.py          # 旅行规划提示词
├── 🌐 接口模块  
│   ├── mcp_server.py              # MCP服务器
│   ├── api_config.py              # API配置
│   └── calendar_mcp.py            # 日历集成
├── 📱 前端模块
│   ├── multi_agent_streamlit_app.py  # Streamlit界面
│   └── run_multi_agent_app.sh        # 启动脚本
├── 📄 配置文件
│   ├── requirements.txt           # 依赖包
│   ├── .env                       # 环境变量
│   └── .gitignore                 # Git忽略
└── 📚 文档
    ├── README.md                  # 项目文档
    ├── FEATURES.md                # 功能特性
    └── API_DOCS.md                # API文档

@mcp.tool()
async def search_activities(
    query: str,
    location: str = "",
    category: str = "",
    price_range: str = ""
) -> Dict[str, Any]:
    """搜索当地活动和体验项目"""
    # 实现搜索逻辑
    pass

from agno.models.custom import CustomModel

# 添加自定义模型支持
custom_model = CustomModel(
    model_id="your-custom-model",
    api_key="your-api-key"
)

# 添加新的专业智能体
class BudgetOptimizer(Agent):
    """预算优化专家智能体"""
    
    async def optimize_budget(self, plan: TravelPlan) -> TravelPlan:
        # 实现预算优化逻辑
        pass

我们欢迎所有形式的贡献！

1. 使用GitHub Issues报告问题
2. 提供详细的错误复现步骤
3. 包含系统环境信息

1. 在Issues中提交功能请求
2. 详细描述功能需求和使用场景
3. 讨论实现方案

1. Fork本项目
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 创建Pull Request

• 完善API文档
• 添加使用示例
• 翻译多语言版本

# 1. 克隆项目
git clone https://github.com/yourusername/ai-travel-planner.git

# 2. 安装开发依赖
pip install -r requirements-dev.txt

# 3. 安装pre-commit hooks
pre-commit install

# 4. 运行测试
pytest tests/

# 5. 代码格式化
black .
flake8 .

• 多智能体架构实现
• MCP协议集成
• Streamlit界面开发
• 基础搜索功能

• 🌍 多语言支持 (英语、日语、韩语)
• 📱 移动端适配
• 🔐 用户认证系统
• 💾 计划保存和分享

• 🤖 更多智能体类型
• 🎨 高级UI组件
• 📊 数据分析仪表板
• 🔗 第三方API扩展

• 🌟 AI升级: 集成最新的大语言模型
• 🌐 全球化: 支持全球200+国家和地区
• 🎯 个性化: 基于用户历史的智能推荐
• 🤝 社区: 用户分享和评价系统
• 📈 企业版: 商业化版本和企业解决方案

• MCP官方文档
• Streamlit教程
• OpenAI API指南
• 异步编程最佳实践

• SearchAPI - 搜索API服务
• Agno Framework - 智能体框架
• FPDF - PDF生成库

• Streamlit组件库
• 图标库
• 配色方案

本项目采用MIT许可证 - 查看 LICENSE 文件了解详情。

• ✅ 商业使用
• ✅ 修改代码
• ✅ 分发代码
• ✅ 私人使用
• ❌ 责任承担
• ❌ 担保保证

• 🧑‍💻 项目负责人: [Your Name]
  • 📧 邮箱: [email protected]
  • 🐙 GitHub: @yourusername
  • 💼 LinkedIn: Your LinkedIn

感谢所有为项目做出贡献的开发者！

• 🐙 GitHub Issues: 报告问题
• 💬 讨论区: GitHub Discussions
• 📧 邮件: [email protected]

• 🐦 Twitter: @TravelPlannerAI
• 📱 微信群: 扫描二维码加入
• 📺 YouTube: 演示视频

如果您对商业合作感兴趣，请联系：

• 📧 [email protected]
• 📱 微信: YourWeChatID
• 🤝 LinkedIn: Business Profile

多智能体AI旅行规划助手 是一个革命性的旅行规划工具，它结合了：

• 🤖 先进的AI技术: 多智能体协作
• 🌐 创新的协议: MCP标准化接口
• 📱 现代化界面: 直观的用户体验
• 🎯 个性化服务: 量身定制的旅行方案

无论您是:

• 🏃 商务旅行者: 需要高效的行程规划
• 👨‍👩‍👧‍👦 家庭出游: 寻找亲子友好的方案
• 💕 情侣度假: 想要浪漫的旅行体验
• 🎒 背包客: 追求经济实惠的探索

我们的AI助手都能为您提供完美的旅行规划方案！

⭐ 如果这个项目对您有帮助，请给我们一个Star！

最后更新: 2024年7月