这是一个基于多智能体架构和模型上下文协议（MCP）的智能旅行规划系统。系统采用双智能体协作模式，结合强大的搜索和规划能力，为用户提供全面、详细的个性化旅行方案。

• 🤖 多智能体协作：专业化分工的信息收集和行程规划智能体
• 🔍 智能搜索：集成Google Maps、Google Flights、Google Hotels等多个搜索API
• 📅 日历集成：自动创建和管理旅行日程
• 🌍 全球支持：支持全球目的地的旅行规划
• 💎 多模型支持：支持OpenAI GPT和Google Gemini模型
• 📱 现代UI：基于Streamlit的直观用户界面
• 📄 PDF导出：生成专业的旅行计划PDF文档

├── app.py                    # 主应用程序（多智能体版本）
├── app_single.py            # 单智能体版本
├── multi_agent_travel.py    # 核心多智能体旅行规划逻辑
├── multi_agent_streamlit_app.py # 多智能体Streamlit界面
├── travel_agent.py          # 旅行智能体定义
├── agent_prompts.py         # 智能体系统提示词
├── travel_prompts.py        # 旅行规划提示词模板
├── team_config.py           # 智能体团队配置
├── api_config.py            # API配置管理
├── calendar_mcp.py          # 日历MCP集成
├── requirements.txt         # 项目依赖
├── .env                     # 环境变量配置
├── run_app.sh              # 运行脚本
└── README.md               # 项目文档

• 职责：专门负责搜索和收集旅行相关信息
• 工具：Google Maps、Google Flights、Google Hotels、SearchAPI
• 输出：结构化的旅行信息JSON数据
• 特点：
  • 目的地研究和文化信息收集
  • 航班选项和价格比较
  • 住宿推荐和评价分析
  • 餐厅美食和当地特色发现
  • 景点活动和娱乐项目搜索
  • 交通方案和路线规划
  • 天气预报和穿着建议
  • 多媒体内容收集（图片、视频）

• 职责：基于收集的信息制定详细旅行方案
• 输入：信息收集智能体提供的结构化数据
• 输出：完整的旅行行程规划
• 特点：
  • 智能行程安排和时间优化
  • 预算分析和成本控制
  • 个性化推荐和偏好匹配
  • 风险评估和安全建议
  • 紧急情况应对预案
  • 详细的日程表制作

• Google Maps API：地点信息、路线规划、本地搜索
• Google Flights API：航班搜索、价格比较、时刻表
• Google Hotels API：酒店预订、价格对比、设施查询
• SearchAPI：通用搜索、实时信息获取

• Google Calendar API：自动创建旅行日程
• 事件管理：时区处理、提醒设置
• 日程同步：与个人日历集成

• OpenAI GPT-4/GPT-3.5：强大的推理和文本生成能力
• Google Gemini：多模态理解和创新思维
• 灵活切换：用户可根据需求选择最适合的模型

• Python 3.8+：确保已安装 Python 3.8 或更高版本
• API 密钥：需要以下服务的API密钥
  • OpenAI API 密钥（必需）
  • SearchAPI 密钥（必需）
  • Google API 密钥（可选，用于Gemini模型）

1. 克隆项目

   git clone <repository-url>
   cd ai_travel_planner_mcp_agent_team

2. 安装依赖

   pip install -r requirements.txt

3. 配置API密钥

   创建 .env 文件并配置以下变量：

   # 必需的API密钥
   OPENAI_API_KEY=your_openai_api_key_here
   SEARCHAPI_API_KEY=your_searchapi_key_here
   
   # 可选的API密钥
   OPENAI_API_KEY2=your_backup_openai_key_here
   GOOGLE_API_KEY=your_google_api_key_here
   GEMINI_API_KEY=your_gemini_api_key_here

# 使用提供的运行脚本
./run_app.sh

# 或运行多智能体版本
./run_multi_agent.sh

# 多智能体版本（推荐）
streamlit run app.py

# 单智能体版本
streamlit run app_single.py

# 独立的多智能体界面
streamlit run multi_agent_streamlit_app.py

1. 启动应用：在浏览器中打开 http://localhost:8501

2. 配置设置：

   • 在侧边栏输入API密钥（如果未在.env中配置）
   • 选择首选的AI模型（OpenAI或Gemini）
   • 设置其他偏好选项

3. 输入旅行需求：

   • 目的地和旅行日期
   • 预算范围和住宿偏好
   • 兴趣爱好和特殊需求
   • 旅行人数和类型

4. 获取规划结果：

   • 查看详细的旅行行程
   • 下载PDF版本的旅行计划
   • 导出到Google日历（如已配置）

• 专业化分工：信息收集和行程规划分别由专门的智能体处理
• 协同工作：智能体间通过结构化数据交换实现无缝协作
• 质量保证：双重验证确保信息准确性和方案可行性

• 标准化接口：统一的工具调用和数据交换协议
• 扩展性强：易于集成新的API服务和工具
• 高效通信：优化的模型-工具交互机制

• 实时数据：获取最新的航班、酒店、活动信息
• 个性化推荐：基于用户偏好和历史数据的智能推荐
• 多维度优化：时间、成本、体验的综合优化

• 响应式设计：适配不同设备和屏幕尺寸
• 实时反馈：智能体工作状态的实时显示
• 多格式输出：支持网页查看、PDF下载、日历导出

• 目的地研究：文化背景、最佳游览时间、当地习俗
• 交通规划：航班比价、路线优化、当地交通
• 住宿推荐：多价位选择、位置分析、设施对比
• 美食发现：特色餐厅、当地美食、价格范围
• 活动安排：景点门票、娱乐项目、文化体验
• 实用信息：签证要求、货币汇率、紧急联系方式

• 时间优化：基于地理位置的合理路线安排
• 预算管理：详细的成本分析和预算建议
• 个性化定制：根据用户兴趣和偏好调整行程
• 风险评估：安全提醒和应急预案
• 灵活调整：支持行程修改和实时优化

• 行程图表：直观的时间线和地图展示
• 预算分析：详细的费用分解和比较
• 天气趋势：旅行期间的天气预报图表

1. 访问 OpenAI Platform
2. 注册或登录账户
3. 导航到 API Keys 页面
4. 创建新的API密钥
5. 复制密钥到 .env 文件

1. 访问 SearchAPI
2. 注册账户并验证邮箱
3. 获取免费或付费的API密钥
4. 将密钥添加到 .env 文件

1. 访问 Google Cloud Console
2. 创建新项目或选择现有项目
3. 启用所需的API服务：
   • Google Maps API
   • Google Calendar API
   • Gemini API (如使用Gemini模型)
4. 创建API密钥并配置访问权限
5. 将密钥添加到 .env 文件

1. 定义智能体类型

   # 在 team_config.py 中添加新的智能体配置
   "new_agent": {
       "name": "新智能体名称",
       "role": "Agent Role",
       "description": "智能体描述",
       "primary_tools": ["tool1", "tool2"],
       "goal": "智能体目标和职责"
   }

2. 创建提示词模板

   # 在 agent_prompts.py 中添加系统提示词
   NEW_AGENT_PROMPT = """
   你是新的专业智能体...
   """

3. 集成到团队

   # 在多智能体系统中注册新智能体
   new_agent = Agent(
       name=config["name"],
       role=config["role"],
       instructions=NEW_AGENT_PROMPT,
       tools=tools,
       model=model
   )

1. 添加新的API集成

   # 在适当的工具配置中添加新的MCP工具
   new_tools = MultiMCPTools(
       servers=[
           {"type": "new_api", "url": "api_endpoint"},
       ]
   )

2. 自定义工具行为

   # 实现自定义工具类
   class CustomMCPTool:
       def __init__(self, api_key):
           self.api_key = api_key
       
       async def execute(self, params):
           # 实现工具逻辑
           pass

支持的模型提供商：

• OpenAI: GPT-4, GPT-3.5-turbo
• Google: Gemini-1.5-pro, Gemini-1.0-pro
• 扩展支持: 易于添加其他模型提供商

模型选择建议：

• GPT-4: 复杂推理和详细规划
• GPT-3.5: 快速响应和基础规划
• Gemini: 多模态理解和创新建议

症状: 无法获取搜索结果或智能体响应 解决方案:

• 检查网络连接
• 验证API密钥有效性
• 确认API服务状态
• 检查API配额和限制

症状: 智能体响应时间过长 解决方案:

• 切换到更快的模型（如GPT-3.5）
• 减少请求复杂度
• 检查网络延迟
• 考虑使用缓存机制

症状: 模块导入错误 解决方案:

# 重新安装依赖
pip install --upgrade -r requirements.txt

# 检查Python版本
python --version

# 验证关键包安装
python -c "import agno, streamlit, openai"

症状: API访问被拒绝 解决方案:

• 验证API密钥格式
• 检查API服务权限
• 确认账户余额和状态
• 更新过期的密钥

启用详细日志：

import logging
logging.basicConfig(level=logging.DEBUG)

测试API连接：

# 创建测试脚本验证API连接
python -c "
from api_config import validate_api_setup
result = validate_api_setup()
print('API设置验证结果:', result)
"

• 智能体并行执行提高效率
• 非阻塞UI响应
• 后台任务管理

• 搜索结果缓存
• 模型响应缓存
• 会话状态持久化

• 智能的API调用频率控制
• 内存使用优化
• 连接池管理

# 克隆开发分支
git clone -b develop <repository-url>

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

# 运行测试
pytest tests/

# 代码格式化
black .
isort .

• 遵循现有代码风格
• 添加适当的测试用例
• 更新相关文档
• 提供清晰的提交信息

1. Fork项目仓库
2. 创建特性分支
3. 实现功能并测试
4. 提交Pull Request
5. 代码审查和合并

欢迎社区贡献，让AI旅行规划助手变得更加强大和易用！