feat: 添加项目文档和配置更新

docs: 完善README文档结构和内容 refactor: 更新配置类注释和文档字符串 style: 统一代码格式和命名规范 fix: 修正MCP服务器配置和依赖项
2025-11-07 15:50:22 +08:00
parent 6a9f28bac0
commit bb91a68c78
13 changed files with 5022 additions and 54 deletions
--- a/.trae/rules/project_rules.md
+++ b/.trae/rules/project_rules.md
@@ -0,0 +1,218 @@
+# LangChain Agent 项目编写规则
+
+## 1. 项目概述
+
+本项目是一个基于LangChain的AI助手系统，专注于茶饮场景的智能对话和工具调用。项目采用模块化设计，支持多种LLM后端和MCP工具集成。
+
+## 2. 编码风格规范
+
+### 2.1 基本原则
+- 代码简洁明了，避免过度设计
+- 保持一致的命名约定和代码结构
+- 注重可维护性和可扩展性
+- 遵循Python PEP 8编码规范
+
+### 2.2 命名约定
+- 类名：PascalCase (例：`ToolManager`, `PipelineConfig`)
+- 函数/变量名：snake_case (例：`get_tools`, `tool_manager`)
+- 常量：UPPER_SNAKE_CASE (例：`DEFAULT_HOST`, `MAX_RETRIES`)
+- 私有成员：单下划线前缀 (例：`_internal_method`)
+- 特殊方法：双下划线 (例：`__init__`, `__post_init__`)
+
+### 2.3 注释规范
+- 类和公共方法必须有文档字符串
+- 注释采用中英文混合，核心概念使用中文解释
+- 复杂逻辑必须添加行内注释
+- 文档字符串格式：
+```python
+def method_name(param1: str, param2: int) -> bool:
+    """
+    方法功能简述
+    
+    Args:
+        param1: 参数1说明
+        param2: 参数2说明
+        
+    Returns:
+        返回值说明
+    """
+```
+
+## 3. 配置管理规范
+
+### 3.1 配置类设计
+- 使用dataclass或pydantic模型定义配置类
+- 所有配置类必须继承自`InstantiateConfig`或`PydanticBaseModel`
+- 配置类必须包含`_target`字段，指向对应的实现类
+- 配置类必须实现`setup()`方法，用于实例化目标对象
+
+### 3.2 配置类示例
+```python
+@tyro.conf.configure(tyro.conf.SuppressFixed)
+@dataclass
+class ExampleConfig(InstantiateConfig):
+    _target: Type = field(default_factory=lambda: ExampleClass)
+    
+    param1: str = "default_value"
+    """参数1说明"""
+    
+    param2: int = 10
+    """参数2说明"""
+    
+    def setup(self) -> ExampleClass:
+        return self._target(self)
+```
+
+### 3.3 配置文件管理
+- 使用YAML格式存储配置文件
+- 配置文件放在`configs/`目录下
+- 敏感信息(如API密钥)通过环境变量获取
+- 支持配置文件覆盖和合并
+
+## 4. Pydantic集成规范
+
+### 4.1 使用场景
+- API请求/响应模型定义
+- 数据验证和序列化
+- 配置管理(与dataclass并存)
+- 复杂数据结构定义
+
+### 4.2 Pydantic模型设计
+- 继承自`PydanticBaseModel`基类
+- 使用类型注解明确字段类型
+- 提供默认值和验证规则
+- 使用Field类添加元数据
+
+### 4.3 Pydantic模型示例
+```python
+class ExampleModel(PydanticBaseModel):
+    name: str = Field(..., description="名称")
+    count: int = Field(default=0, ge=0, description="计数")
+    tags: List[str] = Field(default_factory=list, description="标签列表")
+    
+    class Config:
+        extra = "forbid"  # 禁止额外字段
+```
+
+## 5. 工具开发规范
+
+### 5.1 工具基类
+- 所有工具必须继承自`LangToolBase`
+- 实现`get_tool_fnc()`方法，返回工具函数列表
+- 工具函数必须包含类型注解和文档字符串
+
+### 5.2 工具函数规范
+- 函数签名必须包含类型注解
+- 参数必须有默认值和说明
+- 返回值必须明确类型
+- 异步函数必须标记为async
+
+### 5.3 工具注册
+- 工具通过配置类注册到`ToolManager`
+- 配置类名称必须以`Config`结尾
+- 工具配置必须包含`use_tool`布尔标志
+
+## 6. 日志和错误处理
+
+### 6.1 日志规范
+- 使用loguru库进行日志记录
+- 日志级别：DEBUG, INFO, WARNING, ERROR
+- 关键操作必须记录INFO级别日志
+- 异常必须记录ERROR级别日志
+
+### 6.2 错误处理
+- 使用try-except捕获异常
+- 异常信息必须包含上下文
+- 关键路径必须有异常处理
+- 避免捕获过于宽泛的异常
+
+## 7. 测试规范
+
+### 7.1 测试结构
+- 单元测试放在对应模块的`tests/`目录
+- 集成测试放在项目根目录的`tests/`目录
+- 测试文件名以`test_`开头
+
+### 7.2 测试要求
+- 所有公共方法必须有单元测试
+- 关键业务逻辑必须有集成测试
+- 测试覆盖率不低于80%
+- 使用pytest框架进行测试
+
+## 8. 文档规范
+
+### 8.1 代码文档
+- 所有模块必须有模块级文档字符串
+- 公共类和方法必须有文档字符串
+- 复杂算法必须有详细注释
+
+### 8.2 项目文档
+- README.md包含项目介绍和快速开始指南
+- API文档放在`docs/api/`目录
+- 架构文档放在`docs/architecture/`目录
+
+## 9. 版本控制规范
+
+### 9.1 Git提交
+- 使用Conventional Commits规范
+- 提交格式：`type(scope): description`
+- 类型：feat, fix, docs, style, refactor, test, chore
+
+### 9.2 分支管理
+- 主分支：main
+- 开发分支：develop
+- 功能分支：feature/功能名
+- 修复分支：fix/问题描述
+
+## 10. 依赖管理
+
+### 10.1 依赖规范
+- 使用pyproject.toml管理项目依赖
+- 生产依赖放在dependencies列表
+- 开发依赖放在dev-dependencies列表
+- 定期更新依赖版本
+
+### 10.2 环境管理
+- 使用虚拟环境隔离依赖
+- 敏感配置通过环境变量管理
+- 使用.env文件存储本地配置
+
+## 11. 性能和安全
+
+### 11.1 性能考虑
+- 避免不必要的计算和IO操作
+- 使用缓存减少重复计算
+- 异步处理耗时操作
+- 监控关键性能指标
+
+### 11.2 安全规范
+- 敏感信息不得硬编码
+- API密钥通过环境变量获取
+- 输入数据必须验证
+- 遵循最小权限原则
+
+## 12. 云端MCP集成
+
+### 12.1 MCP配置
+- 默认使用云端MCP服务：`https://xiaoliang.quant-speed.com/api/mcp/`
+- 支持本地MCP服务配置覆盖
+- 使用streamable-http传输协议
+
+### 12.2 工具调用
+- 通过ClientToolManager管理MCP工具
+- 支持工具动态加载和调用
+- 异常处理和重试机制
+
+## 13. 代码审查
+
+### 13.1 审查要点
+- 代码风格一致性
+- 功能实现正确性
+- 性能和安全考虑
+- 测试覆盖率
+
+### 13.2 审查流程
+- 所有代码必须经过审查
+- 使用Pull Request进行审查
+- 至少一人审查通过才能合并
+- 自动化检查必须通过
--- a/README.md
+++ b/README.md
@@ -1,51 +1,253 @@
 # langchain-agent

+## 项目概述

-# Install
-1. Install `xiaoliang-catering` for carttool support; otherwise, comment out in `lang_agent/tool_manager.py`
+这是一个基于LangChain和LangGraph构建的智能代理系统，集成了RAG(检索增强生成)、工具调用和WebSocket通信功能。项目主要用于茶饮场景的智能对话和订单处理，支持多种工具调用和远程MCP(Model Context Protocol)服务器集成。

-# Environs
-Need these:
-```bash
-export ALI_API_KEY=REDACTED
-export ALI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
-export MCP_ENDPOINT=REDACTED
-export LANGSMITH_API_KEY=REDACTED
+## 项目结构
+
+```
+langchain-agent/
+├── lang_agent/                    # 核心模块目录
+│   ├── base.py                    # 基础抽象类定义
+│   ├── config.py                  # 配置管理系统
+│   ├── pipeline.py                # 主流程控制模块
+│   ├── mcp_server.py              # MCP服务器实现
+│   ├── tool_manager.py            # 工具管理器
+│   ├── client_tool_manager.py     # 客户端工具管理器
+│   ├── graphs/                    # 图工作流模块
+│   │   ├── routing.py             # 路由图实现
+│   │   └── react.py               # ReAct图实现
+│   ├── rag/                       # RAG模块
+│   │   ├── simple.py              # 简单RAG实现
+│   │   └── emb.py                 # 文本嵌入模型
+│   ├── dummy/                     # 示例工具
+│   │   └── calculator.py          # 计算器工具
+│   └── eval/                      # 评估模块
+│       ├── evaluator.py           # 评估器
+│       └── validator.py           # 验证器
+├── scripts/                       # 可执行脚本目录
+│   ├── run_agent_server.py        # 启动代理服务器
+│   ├── start_mcp_server.py        # 启动MCP服务器
+│   ├── ws_start_register_tools.py # WebSocket工具注册
+│   ├── ws_start_all_mcps.py       # 启动所有MCP服务
+│   ├── demo_chat.py               # 聊天演示
+│   ├── make_rag_database.py       # 创建RAG数据库
+│   ├── make_eval_dataset.py       # 创建评估数据集
+│   └── eval.py                    # 评估脚本
+├── configs/                       # 配置文件目录
+│   ├── mcp_config.json            # MCP配置
+│   ├── ws_mcp_config.json         # WebSocket MCP配置
+│   └── route_sys_prompts/         # 路由系统提示
+│       ├── chat_prompt.txt        # 聊天提示
+│       ├── route_prompt.txt       # 路由提示
+│       └── tool_prompt.txt        # 工具提示
+└── fastapi_server/                # FastAPI服务器模块
+    ├── server.py                  # 服务器实现
+    ├── server_dashscope.py        # DashScope服务器
+    └── test_*.py                  # 测试客户端
 ```

-# Install
-need to install: `xiaoliang-catering `
+## 核心模块功能
+
+### 1. 基础模块 (lang_agent/base.py)
+
+定义了两个抽象基类：
+- `LangToolBase`: 所有工具的基类，要求实现`get_tool_fnc`方法返回工具函数列表
+- `GraphBase`: 所有图工作流的基类，要求实现`invoke`方法执行工作流
+
+### 2. 配置管理 (lang_agent/config.py)
+
+实现了灵活的配置系统：
+- `PrintableConfig`: 提供配置打印和敏感信息脱敏功能
+- `InstantiateConfig`: 支持通过`_target`属性动态实例化类
+- `KeyConfig`: 管理API密钥，从环境变量加载
+- `ToolConfig`: 控制工具使用开关
+- 提供配置加载、合并和MCP配置转换等工具函数
+
+### 3. 图工作流模块 (lang_agent/graphs/)
+
+#### 路由图 (routing.py)
+实现了基于决策的智能路由系统：
+- `RoutingConfig`: 配置LLM参数和路由选项
+- `RoutingGraph`: 构建状态图工作流，包含路由节点、聊天模型节点和工具模型节点
+- 工作流程：通过LLM决策将请求路由到"chat"或"order"路径，分别调用不同的工具集
+
+#### ReAct图 (react.py)
+实现了ReAct(Reason-Act)模式的智能体：
+- `ReactGraphConfig`: 配置ReAct图的参数
+- `ReactGraph`: 使用LangChain的create_agent创建智能体，支持流式输出
+- 集成ToolManager管理工具调用
+
+### 4. 工具管理系统
+
+#### 工具管理器 (lang_agent/tool_manager.py)
+核心工具管理模块：
+- `ToolManagerConfig`: 配置各种工具(RAG、计算器等)
+- `ToolManager`: 统一管理工具实例化与调用
+- 支持本地工具和MCP客户端工具的整合
+- 将工具转换为LangChain的StructuredTool格式
+
+#### 客户端工具管理器 (lang_agent/client_tool_manager.py)
+管理MCP客户端工具：
+- `ClientToolManagerConfig`: 管理MCP配置文件路径
+- `ClientToolManager`: 通过MultiServerMCPClient从MCP服务器获取工具
+
+### 5. RAG模块 (lang_agent/rag/)
+
+#### 简单RAG (simple.py)
+基础检索实现：
+- `SimpleRagConfig`: 配置嵌入模型和数据库路径
+- `SimpleRag`: 使用QwenEmbeddings和FAISS向量存储实现检索功能
+- 支持相似度搜索和结果序列化
+
+#### 嵌入模型 (emb.py)
+文本嵌入实现：
+- `QwenEmbeddings`: 继承LangChain的Embeddings基类
+- 使用DashScope API实现文本嵌入
+- 支持批量和单文本嵌入、同步和异步处理
+- 包含速率限制、并发控制和错误处理机制
+
+### 6. MCP服务器 (lang_agent/mcp_server.py)
+
+实现MCP服务器功能：
+- `MCPServerConfig`: 配置服务器名称、主机、端口和传输方式
+- `MCPServer`: 使用FastMCP创建服务器，注册工具管理器中的工具
+- 支持CORS配置和多种传输方式(stdio, sse, streamable-http)
+
+### 7. 主流程控制 (lang_agent/pipeline.py)
+
+项目的核心流程控制：
+- `PipelineConfig`: 配置LLM参数、服务器设置和图配置
+- `Pipeline`: 实现模块初始化、图工作流调用、WebSocket服务器和聊天接口
+- 集成RoutingGraph或ReactGraph作为工作流引擎
+- 提供带角色设定的对话逻辑
+
+## 系统工作流程
+
+1. **初始化阶段**:
+   - 加载配置和环境变量
+   - 初始化LLM、嵌入模型和工具管理器
+   - 构建图工作流(RoutingGraph或ReactGraph)
+
+2. **请求处理阶段**:
+   - 接收用户输入
+   - 通过图工作流进行路由决策或ReAct推理
+   - 调用相应工具(RAG检索、计算器、远程MCP工具等)
+   - 生成响应并返回
+
+3. **扩展功能**:
+   - WebSocket服务器支持实时通信
+   - MCP协议支持远程工具调用
+   - 评估系统支持模型性能测试
+
+## 安装与配置
+
+### 1. 安装依赖

 ```bash
+# 安装xiaoliang-catering以支持购物车工具；否则，请在lang_agent/tool_manager.py中注释掉
+pip install xiaoliang-catering

-# for developement
+# 开发模式安装
 python -m pip install -e .
-
-# for production
-python -m pip install .
 ```

-# Runables
-all runnables are under scripts
+### 2. 环境变量配置
+
+需要设置以下环境变量：

-# Start all mcps to websocket
-1. Source all env variable
-2. run the below
 ```bash
+export ALI_API_KEY=你的阿里云API密钥
+export ALI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
+export MCP_ENDPOINT=你的MCP端点
+export LANGSMITH_API_KEY=你的LangSmith API密钥
+```
+
+## 运行指南
+
+### 1. 启动MCP服务器
+
+```bash
+# 1. 确保所有环境变量已设置
+# 2. 启动MCP服务器
 python scripts/start_mcp_server.py

-# update configs/ws_mcp_config.json with link from the command above
+# 3. 使用上述命令中的链接更新configs/ws_mcp_config.json
+# 4. 启动WebSocket工具注册
 python scripts/ws_start_register_tools.py
 ```

-# Eval Dataset Format
-see `scripts/make_eval_dataset.py` for example. Specific meaning of each entry:
+### 2. 运行代理服务器
+
+```bash
+python scripts/run_agent_server.py
+```
+
+### 3. 演示聊天
+
+```bash
+python scripts/demo_chat.py
+```
+
+### 4. 创建RAG数据库
+
+```bash
+python scripts/make_rag_database.py
+```
+
+### 5. 运行评估
+
+```bash
+# 创建评估数据集
+python scripts/make_eval_dataset.py
+
+# 运行评估
+python scripts/eval.py
+```
+
+## 评估数据集格式
+
+评估数据集格式如下，详见`scripts/make_eval_dataset.py`：
+
 ```json
 [
    {
-        "inputs": {"text": "用retrieve查询光予尘然后介绍"}, // model input; use list for conversation
-        "outputs": {"answer": "光予尘茉莉绿茶为底",         // reference answer
-                    "tool_use": ["retrieve"]}            // tool uses; assume model need to use all tools if more than 1 provided 
+        "inputs": {"text": "用retrieve查询光予尘然后介绍"}, // 模型输入；使用列表进行对话
+        "outputs": {"answer": "光予尘茉莉绿茶为底",         // 参考答案
+                    "tool_use": ["retrieve"]}            // 工具使用；如果提供了多个工具，假设模型需要使用所有工具
    }
 ]
-```
+```
+
+## 技术栈
+
+- **核心框架**: LangChain, LangGraph
+- **嵌入模型**: QwenEmbeddings (DashScope API)
+- **向量存储**: FAISS
+- **Web框架**: FastAPI, WebSocket
+- **协议支持**: MCP (Model Context Protocol)
+- **配置管理**: Tyro, YAML
+- **日志系统**: Loguru
+
+## 扩展指南
+
+### 添加新工具
+
+1. 在`lang_agent/dummy/`或其他适当目录创建新工具类，继承`LangToolBase`
+2. 实现`get_tool_fnc`方法返回工具函数列表
+3. 在`lang_agent/tool_manager.py`中注册新工具
+4. 更新相关配置文件
+
+### 添加新图工作流
+
+1. 在`lang_agent/graphs/`目录创建新图类，继承`GraphBase`
+2. 实现`invoke`方法执行工作流
+3. 在`lang_agent/pipeline.py`中添加新图类型支持
+4. 更新配置文件以支持新图类型
+
+### 添加新评估指标
+
+1. 在`lang_agent/eval/`目录扩展评估器或验证器
+2. 在`scripts/eval.py`中集成新指标
+3. 更新评估数据集格式以支持新指标
--- a/configs/mcp_config.json
+++ b/configs/mcp_config.json
@@ -1,6 +1,6 @@
 {
    "calculator": {
-            "url": "http://6.6.6.78:50051/mcp",
-            "transport": "streamable_http"
+            "url": "https://xiaoliang.quant-speed.com/api/mcp/",
+            "transport": "streamable_https"
        }
 }
--- a/configs/ws_mcp_config.json
+++ b/configs/ws_mcp_config.json
@@ -1,8 +1,8 @@
 {
  "mcpServers": {
    "remote-http-server": {
-      "type": "http",
-      "url": "http://6.6.6.78:50051/mcp"
+      "type": "https",
+      "url": "https://xiaoliang.quant-speed.com/api/mcp/"
    }
  }
 }
--- a/lang_agent/init.py
+++ b/lang_agent/init.py
@@ -0,0 +1,10 @@
+"""
+LangChain Agent - 智能代理系统
+
+这是一个基于LangChain和LangGraph构建的智能代理系统，集成了RAG(检索增强生成)、
+工具调用和WebSocket通信功能。项目主要用于茶饮场景的智能对话和订单处理，
+支持多种工具调用和远程MCP(Model Context Protocol)服务器集成。
+"""
+
+__version__ = "0.1.0"
+__author__ = "LangChain Agent Team"
--- a/lang_agent/config.py
+++ b/lang_agent/config.py
@@ -12,7 +12,11 @@ load_dotenv()

 ## NOTE: base classes taken from nerfstudio
 class PrintableConfig:
-    """Printable Config defining str function"""
+    """
+    Printable Config defining str function  
+     定义 __str__ 方法的可打印配置类
+    
+    """

    def __str__(self):
        lines = [self.__class__.__name__ + ":"]
@@ -43,25 +47,52 @@ class PrintableConfig:
 # Base instantiate configs
@dataclass
 class InstantiateConfig(PrintableConfig):
-    """Config class for instantiating an the class specified in the _target attribute."""
+    """
+    Config class for instantiating an the class specified in the _target attribute.
+    
+    用于实例化 _target 属性指定的类的配置类
+    
+    """

    _target: Type

    def setup(self, **kwargs) -> Any:
-        """Returns the instantiated object using the config."""
+        """
+        Returns the instantiated object using the config.
+        
+        使用配置返回实例化的对象
+        
+        """
        return self._target(self, **kwargs)
    
    def save_config(self, filename: str) -> None:
-        """Save the config to a YAML file."""
+        """
+        Save the config to a YAML file.
+        
+        将配置保存到 YAML 文件
+        
+        """ 
        def mask_value(key, value):
-            # Apply masking if key is secret-like
+            """
+            Apply masking if key is secret-like
+            如果键是敏感的，应用掩码
+            
+            检查键是否敏感（如包含 "secret" 或 "api_key"），如果是，则对值进行掩码处理
+            
+            """
            if isinstance(value, str) and self.is_secrete(key):
                sval = str(value)
                return sval[:3] + "*" * (len(sval) - 6) + sval[-3:]
            return value

        def to_masked_serializable(obj):
-            # Recursively convert dataclasses and containers to serializable with masked secrets
+           
+            """
+            Recursively convert dataclasses and containers to serializable with masked secrets
+            
+            递归地将数据类和容器转换为可序列化的格式，同时对敏感信息进行掩码处理
+            
+            """
            if is_dataclass(obj):
                out = {}
                for k, v in vars(obj).items():
@@ -115,10 +146,19 @@ class KeyConfig(InstantiateConfig):
@dataclass
 class ToolConfig(InstantiateConfig):
    use_tool:bool = True
-    """specify to use tool or not"""
+    """
+    specify to use tool or not
+    
+    指定是否使用工具
+    """

 def load_tyro_conf(filename: str, inp_conf = None) -> InstantiateConfig:
-    """load and overwrite config from file"""
+    """
+    load and overwrite config from file
+    
+    从文件加载并覆盖配置
+    
+    """
    config = yaml.load(Path(filename).read_text(), Loader=yaml.Loader)

    config = ovewrite_config(config, inp_conf) if inp_conf is not None else config
@@ -127,36 +167,84 @@ def load_tyro_conf(filename: str, inp_conf = None) -> InstantiateConfig:
 def is_default(instance, field_):
    """
    Check if the value of a field in a dataclass instance is the default value.
+    
+    检查数据类实例中字段的值是否为默认值
+    
    """
    value = getattr(instance, field_.name)

    if field_.default is not MISSING:
-        # Compare with default value
+        # Compare with default value   
+        """
+        与默认值进行比较
+        
+        如果字段有默认值，则将当前值与默认值进行比较
+        
+        """
        return value == field_.default
    elif field_.default_factory is not MISSING:
        # Compare with value generated by the default factory
+        """
+        与默认工厂生成的值进行比较
+        
+        如果字段有默认工厂，则将当前值与默认工厂生成的值进行比较
+        
+        """
        return value == field_.default_factory()
    else:
        # No default value specified
        return False

 def ovewrite_config(loaded_conf, inp_conf):
-    """for non-default values in inp_conf, overwrite the corresponding values in loaded_conf"""
+    """
+    for non-default values in inp_conf, overwrite the corresponding values in loaded_conf
+    
+    对于 inp_conf 中的非默认值，覆盖 loaded_conf 中对应的配置
+    
+    """
    if not (is_dataclass(loaded_conf) and is_dataclass(inp_conf)):
        return loaded_conf

    for field_ in fields(loaded_conf):
        field_name = field_.name
-        # if field_name in inp_conf:
+        """
+        if field_name in inp_conf:
+        
+        如果字段名在 inp_conf 中，则进行覆盖
+        
+        """
        current_value = getattr(inp_conf, field_name)
-        new_value = getattr(inp_conf, field_name) #inp_conf[field_name]
+        new_value = getattr(inp_conf, field_name) 
+       
+        """
+         inp_conf[field_name]
+        从 inp_conf 中获取字段值
+        
+        如果字段名在 inp_conf 中，则获取其值
+        
+        """

        if is_dataclass(current_value):
-            # Recurse for nested dataclasses
+         
+            """
+            Recurse for nested dataclasses
+
+            递归处理嵌套的数据类
+            
+            如果当前值是数据类，则递归调用 ovewrite_config 进行合并
+            
+            """
            merged_value = ovewrite_config(current_value, new_value)
            setattr(loaded_conf, field_name, merged_value)
        elif not is_default(inp_conf, field_):
-            # Overwrite only if the current value is not default
+            """
+            Overwrite only if the current value is not default
+            
+            仅在当前值不是默认值时进行覆盖
+            
+            如果 inp_conf 中的字段值不是默认值，则覆盖 loaded_conf 中的对应值
+            
+            """
            setattr(loaded_conf, field_name, new_value)

    return loaded_conf
--- a/lang_agent/dummy/init.py
+++ b/lang_agent/dummy/init.py
@@ -0,0 +1,9 @@
+"""
+示例工具模块
+
+该模块包含各种示例工具的实现，用于演示代理系统的工具调用能力。
+"""
+
+from .calculator import Calculator
+
+__all__ = ["Calculator"]
--- a/lang_agent/mcp_server.py
+++ b/lang_agent/mcp_server.py
@@ -13,7 +13,7 @@ from lang_agent.config import InstantiateConfig, ToolConfig
 from lang_agent.dummy.calculator import Calculator, CalculatorConfig
 from lang_agent.tool_manager import ToolManager, ToolManagerConfig

-from catering_end.lang_tool import CartToolConfig, CartTool
+# from catering_end.lang_tool import CartToolConfig, CartTool

@tyro.conf.configure(tyro.conf.SuppressFixed)
@dataclass
@@ -22,7 +22,7 @@ class MCPServerConfig(InstantiateConfig):

    server_name:str = "langserver"

-    host: str = "6.6.6.78"
+    host: str = "127.0.0.1"
    """host of server"""

    port: int = 50051
--- a/lang_agent/rag/init.py
+++ b/lang_agent/rag/init.py
@@ -0,0 +1,14 @@
+"""
+RAG (Retrieval Augmented Generation) 模块
+
+该模块提供了检索增强生成的功能，包括:
+- 嵌入向量生成和存储
+- 相似度搜索和文档检索
+- 基于FAISS的向量数据库支持
+- 阿里云DashScope嵌入服务集成
+"""
+
+from .emb import QwenEmbeddings
+from .simple import SimpleRag
+
+__all__ = ["QwenEmbeddings", "SimpleRag"]
--- a/lang_agent/tool_manager.py
+++ b/lang_agent/tool_manager.py
@@ -7,18 +7,13 @@ import asyncio
 import os.path as osp
 from loguru import logger
 from fastmcp.tools.tool import Tool
-
 from lang_agent.config import InstantiateConfig, ToolConfig
 from lang_agent.base import LangToolBase
-
 from lang_agent.rag.simple import SimpleRagConfig
 from lang_agent.dummy.calculator import CalculatorConfig
 # from catering_end.lang_tool import CartToolConfig, CartTool
-
 from langchain_core.tools.structured import StructuredTool
 from lang_agent.client_tool_manager import ClientToolManager
-import jax
-
@tyro.conf.configure(tyro.conf.SuppressFixed)
@dataclass
 class ToolManagerConfig(InstantiateConfig):
--- a/pyproject.toml
+++ b/pyproject.toml
@@ -1,4 +1,5 @@
 [project]
+requires-python=">=3.8"
 name = "lang_agent" 
 version = "0.1"   
 dependencies = [
--- a/scripts/make_rag_database.py
+++ b/scripts/make_rag_database.py
@@ -4,10 +4,10 @@ import os

 from lang_agent.rag.emb import QwenEmbeddings

-from langchain.text_splitter import CharacterTextSplitter
+from langchain_text_splitters import CharacterTextSplitter
 from langchain_community.vectorstores import FAISS
 from langchain_openai import OpenAIEmbeddings
-from langchain.schema import Document
+from langchain_core.documents import Document

 def main(save_path = "assets/xiaozhan_emb"):
    cat_f = "assets/xiaozhan_data/catering_end_category.csv"
--- a/uv.lock
+++ b/uv.lock