langchain入门笔记02：几个实际应用

---

前言

参考文献：
https://python.langchain.com/docs/tutorials/llm_chain/
https://www.bilibili.com/video/BV1pYKgzAE5C
本文仅仅用于学习记录langchain的基础内容。感谢以上参考文献。
本文的完整代码，可从笔者的gitee下载。

---

一、基于langchain的MCP

案例1：无langchain的基于MCP的多服务器+function calling 的聊天系统

mcp协议的内容可参考笔者之前的博客，不在此赘述。下图只给出运行后的效果。
运行环境如下：

# 激活 Conda 环境，python = 3.11
conda activate langchain # 使用 pip 安装核心包
pip install uv
# Create project directory
uv init mcp-client
cd mcp-client# Create virtual environment
uv venv# Activate virtual environment
# On Windows:
.venv\Scripts\activate
# Install required packages
uv add mcp openai python-dotenv httpx

案例2：langchain接入MCP多服务器的聊天系统

首先进入uv环境，安装必要的包：

uv add langchain langchain-deepseek python-dotenv langchain-mcp-adapters -i https://pypi.tuna.tsinghua.edu.cn/simple

安装好后可以用uv pip list查看。键入uv run langchain_mcp.py，来看看对话效果：

案例3：langchain接入MCP多服务器的导航查询功能

笔者参考weather_server.py的结构，利用百度地图api中驾驶导航功能和百度官方文档(https://lbsyun.baidu.com/faq/api?title=webapi/webservice-direction/dirve)，编写了baidumap_server。接下来查看下使用效果。首先是试一下导航功能，结果还可以。不过由于笔者用的是免费的api，所以是有距离上限的。

继续追问：北京天气如何？答案也是正确的。


距离上限测试：从杭州市杭州东站自驾到宁波市东钱湖景区要多久？过路费多少钱？答案比较准确，读者可以用手机上的导航软件测试一下。

二、基于langchain的RAG

案例1：解析PDF文档的RAG问答

首先安装必要的包：

conda activate langchain
pip install streamlit PyPDF2 dashscope faiss-cpu

其中的embeddings模型，使用阿里的模型，需要dashscope_api_key。百度搜索：“阿里云 获取API Key”注册获取，然后填入程序中的dashscope_api_key。最后在conda prompt中输入，运行如下：

streamlit run RAGtest.py --server.port 9999