# LangChain Learning

[![](https://img.shields.io/badge/version-0.0.11-blue.svg)](https://github.com/your-repo/langchain-learning)
[![](https://img.shields.io/badge/python-3.11+-green.svg)](https://www.python.org/)
[![](https://img.shields.io/badge/LangChain-v0.3.27-orange.svg)](https://www.langchain.com/)

> 基于 LangChain 0.3.27 的学习项目，集成 SiliconFlow & Ollama API

## 功能特性

- **多 LLM 集成**：支持 OpenAI API、SiliconFlow、Ollama 及 LangChain 抽象层
- **MCP 协议支持**：通过 MultiServerMCPClient 连接多个 MCP 服务器
- **Agent 智能体**：基于 LangGraph 的 ReAct Agent 实现自主推理与工具调用
- **RAG 检索增强生成**：基于向量库（FAISS）的文档检索与问答
- **流式响应**：实时流式输出，带来更好的使用体验
- **Prompt 工程**：多种 Prompt 模板构建方式
- **输出解析**：支持 JSON 等格式解析
- **工具调用 (Tool Calling)**：支持 @tool 装饰器和 StructuredTool 定义工具
- **Token 用量追踪**：轻松监控 API 调用消耗
- **内存管理**：实现对话历史持久化（ConversationBufferMemory, SummaryMemory）
- **Rich 终端界面**：支持 Markdown 渲染、多行输入等高级交互
- **模型测速工具**：测试模型的首字延迟 (TTFT) 和每秒生成速度 (TPS)

## 快速开始

### 1. 安装依赖

```bash
uv sync
```

### 2. 配置环境变量

在项目根目录创建 `.env` 文件：

```env
# SiliconFlow
SILICONFLOW_API_KEY=your_api_key_here
SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1

# Ollama / 本地模型
OLLAMA_BASE_URL=http://localhost:11434/v1
OLLAMA_API_KEY=ollama
```

### 3. 运行示例

**Hello World 示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| 直接调用 API | `python helloworld/helloworld.py` | 使用 requests 直接调用 SiliconFlow API |
| LangChain + ChatOpenAI | `python helloworld/helloworld_langchain_openai.py` | 通过 OpenAI 接口调用 LLM |
| LangChain + ChatSiliconFlow | `python helloworld/helloworld_siliconflow.py` | 使用 LangChain SiliconFlow 集成 |
| OpenAI 客户端 + SiliconFlow | `python helloworld/openai_siliconflow.py` | OpenAI 客户端兼容 SiliconFlow |

**Prompt 示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| PromptTemplate | `python prompt/prompt_demo.py` | 演示 PromptTemplate 模板构建 |
| Few-shot Learning | `python prompt/fewshot_demo.py` | 带示例的少样本提示学习 |
| 从文件加载 Prompt | `python prompt/promt_from_file.py` | 从 YAML 文件加载提示词模板 |

**输出解析示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| JSON 解析器 | `python parser/json_parser_demo.py` | 使用 JsonOutputParser 解析 LLM 输出 |

**RAG 示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| 基础 RAG | `python rag/rag_demo.py` | 基于 FAISS 向量库的检索问答系统 |

**工具调用示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| 工具定义 | `python tools/tool_definition.py` | 演示 @tool 装饰器和 StructuredTool 定义方式 |
| 工具调用 | `python tools/tool_demo.py` | 演示模型如何调用工具并获取结果 |

**MCP 示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| MCP 客户端 | `python mcp/mcp_client.py` | 连接 MCP 服务器并获取工具列表 |
| Agent + MCP | `python mcp/mcp_client_with_agent.py` | 使用 ReAct Agent 调用 MCP 工具 |
| Agent + MCP (简易版) | `python mcp/mcp_client_with_agent_simple.py` | 简化版的 Agent MCP 调用 |

**MCP 服务端示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| 天气服务 | `python mcp/get_weather_server.py` | 提供天气查询的 MCP 服务端 |
| 数学服务 | `python mcp/math_server.py` | 提供数学计算的 MCP 服务端 |

**Token 用量示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| Token 追踪 | `python token/token_demo.py` | 使用 get_openai_callback 追踪 token 消耗 |

**内存管理示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| 基础记忆 | `python memory/memory_desc.py` | 演示不同类型的 Memory 对象 |
| 带内存聊天 | `python memory/memory_demo.py` | 使用 ConversationBufferMemory 进行多轮对话 |
| 无内存聊天 | `python memory/without_memory_demo.py` | 基础 LLM 聊天，无历史上下文 |
| Rich 界面聊天 | `python memory/without_memory_demo_rich.py` | 使用 Rich 美化的无内存聊天界面 |

**Ollama 示例**

| 示例 | 命令 | 说明 |
|------|------|------|
| Rich 流式聊天 | `python ollama/ollama_rich_chat.py` | 支持 Markdown 渲染、多行输入的流式聊天 |
| 模型测速工具 | `python ollama/tps_monitor.py` | 测量模型的 TTFT 和 TPS 性能 |

## 项目结构

```
langchain-learning/
├── helloworld/
│   ├── helloworld.py                  # 直接调用 SiliconFlow API
│   ├── helloworld_langchain_openai.py # LangChain + ChatOpenAI
│   ├── helloworld_siliconflow.py      # LangChain + ChatSiliconFlow
│   └── openai_siliconflow.py          # OpenAI 客户端 + SiliconFlow
├── prompt/
│   ├── prompt_demo.py                 # PromptTemplate 模板示例
│   ├── fewshot_demo.py                # Few-shot Learning 示例
│   ├── promt_from_file.py             # 从文件加载 Prompt
│   ├── prompt_from_file.yaml          # Prompt YAML 模板文件
│   └── prompt_from_file.json          # Prompt JSON 模板文件
├── parser/
│   └── json_parser_demo.py            # JSON 输出解析示例
├── rag/
│   └── rag_demo.py                    # RAG 检索增强生成示例
├── tools/
│   ├── tool_definition.py             # 工具定义方式演示
│   └── tool_demo.py                   # 工具调用完整流程演示
├── mcp/
│   ├── mcp_client.py                   # MCP 客户端基础用法
│   ├── mcp_client_with_agent.py       # Agent + MCP 工具调用
│   ├── mcp_client_with_agent_simple.py # Agent + MCP 简易版
│   ├── get_weather_server.py           # 天气查询 MCP 服务端
│   └── math_server.py                 # 数学计算 MCP 服务端
├── token/
│   └── token_demo.py                  # Token 用量追踪示例
├── memory/
│   ├── memory_desc.py                 # 演示 Memory 对象类型
│   ├── memory_demo.py                 # 带内存的对话链示例
│   ├── with_memory_demo.py            # 手动管理内存的聊天示例
│   ├── without_memory_demo.py         # 无内存的基础聊天
│   └── without_memory_demo_rich.py    # Rich 界面的无内存聊天
├── ollama/
│   ├── ollama_rich_chat.py            # Ollama 流式聊天（Rich 界面）
│   └── tps_monitor.py                 # 模型性能测速工具
├── main.py                            # 入口文件
├── pyproject.toml                     # 项目配置
└── README.md
```

## 可用模型

**SiliconFlow**
- `deepseek-ai/DeepSeek-R1-0528-Qwen3-8B`
- `Qwen/Qwen3.5-4B`
- `Qwen/Qwen3-8B`

**Ollama (本地)**
- `gemma4:26b`
- `gemma4:e2b`
- `deepseek-v3.1:671b-cloud`

## 技术栈

| 类别 | 技术 |
|------|------|
| 框架 | LangChain 0.3.27 |
| Agent | LangGraph |
| LLM 提供商 | SiliconFlow, Ollama |
| MCP | langchain-mcp-adapters |
| 向量库 | FAISS |
| 终端美化 | Rich |
| 数据验证 | Pydantic |
| 语言 | Python 3.11+ |

## 许可证

MIT License