前言

在上一篇文章中，我们讨论了怎么在构建MCP。为了能够实现更复杂的功能，我们尝试将LangGraph引入到MCP中。

前言

既然MCP都已经出现了，甚至已经纳入面试题目了，就简单尝试一下这个新玩意儿。

前言

既然我们在前面的$9$篇文章中做了这么多事情，接下来就再加一点新东西：LangGraph。

P.S.：虽然说官方最新版本已经更新到了比较后面，支持Runtime的版本，但是我的项目已经有点积重难返了，所以只能使用早些时候不支持Runtime的版本了。

P.S.：代码库已经开源至GitHub

前言

好了，铺垫了这么这么久，总算来到稍微正经一点的问题上了。

P.S.：毕竟咱是演示项目，做起来就很粗暴，搜索时间也从来没有优化，所以搜索时间复杂度也是相当的绝望呢。

前言

既然我们在之前的文章中实现了调用大模型获取答案的过程，接下来我们也将多个页面整合起来，最终实现一个总览的效果。因此，本文通过每个页面维护一个历史记录字典，则可以实现跨页面记忆。

前言

在上一篇文章中，我们研究了怎么样主动把ChatOpenAI塞进去，那么接下来就是得研究怎么把ChatOpenAI被动地塞进来。

前言

在上一篇文章中，我们将ChatOpenAI强行塞入前端，实现了一个乱七八糟的前端页面。这当然不是很好的。所以，今天我们就来优雅的再塞进去一次，争取完善之前的问题。

当然，这次主要讨论的是主动方式，也就是自行实现一个Wrapper类。

前言

我们在上一篇文章中完成了ChatOpenAI实例的使用，接下来，我们将这个内容放入streamlit中，这样就可以实现一个简单的小产品了。

P.S.：本篇虽然包含实现过程，但是代码存在巨大缺陷，将在下一篇文章中修复。所以请不要太在意本文代码，请期待下一篇的正确代码。

前言

在上一篇文章中，我们完成了ChatOpenAI的实例化。接下来也就自然而然是使用它了。

前言

在前面的文章中，我们尝试了结构和客户端的构建，接下来我们就开始新的尝试：创建ChatOpenAI实例。