基于 LangGraph + LangChain 框架构建的智能旅行规划助手，通过 MCP 协议接入高德地图云服务，提供个性化的多日旅行计划生成。
重构说明：本项目原始版本基于 HelloAgents 框架构建，现已完整重构为 LangGraph + LangChain 技术栈。重构涵盖 Agent 工作流、MCP 工具调用层、API 路由层，实现了从同步到异步、从单 Agent 到多节点协作图的架构升级。
- 🧩 LangGraph 多节点协作：景点搜索、天气查询、酒店推荐并行执行，路线规划依赖前置节点，最终汇总生成计划
- 🔌 LangChain 原生 MCP 适配：通过
langchain-mcp-adapters连接高德官方 MCP 云服务（SSE 传输），无需本地安装 uvx/Node.js - 🤖 LLM 驱动的工具调用：各节点 LLM 自动选择并调用 MCP 工具（
bind_tools+tool_calls），获取实时 POI、路线和天气数据 - 🛡️ 健壮性设计：异步锁单例、工具调用重试（3 次递增等待）、SSE 连接超时配置、备用计划生成
- 🎨 现代化前端：Vue 3 + TypeScript + Vite，响应式设计，流畅的用户体验
- 📱 完整功能：包含住宿、交通、餐饮和景点游览时间推荐
| 维度 | 旧版 (HelloAgents) | 新版 (LangGraph) |
|---|---|---|
| Agent 框架 | HelloAgents SimpleAgent |
LangGraph StateGraph |
| 工作流 | 4 个 Agent 顺序执行 | 3 节点并行 + 1 路线节点 + 1 汇总节点 |
| MCP 工具 | hello_agents.MCPTool（Stdio） |
langchain-mcp-adapters（SSE 云服务） |
| 调用方式 | 同步 agent.run() |
异步 await graph.ainvoke() |
| LLM | HelloAgentsLLM |
LangChain ChatOpenAI |
| 路线工具 | *_by_address（传地址文本） |
maps_direction_*（传经纬度坐标 + 自动 geocode） |
| 并发能力 | 顺序执行，无并发 | 景点/天气/酒店三节点并行 |
| 错误处理 | 基础 try/catch | 重试机制 + 超时配置 + 备用计划 |
- Agent 框架: LangGraph（多节点状态图）
- MCP 适配: langchain-mcp-adapters（SSE 传输 → 高德官方云服务）
- LLM: LangChain ChatOpenAI（支持 OpenAI / DeepSeek 等）
- API: FastAPI
- 语言: Python 3.10+，全异步
- 框架: Vue 3 + TypeScript
- 构建工具: Vite
- UI 组件库: Ant Design Vue
- 地图服务: 高德地图 JavaScript API
- HTTP 客户端: Axios
helloagents-trip-planner/
├── backend/ # 后端服务
│ ├── app/
│ │ ├── agents/ # Agent 实现
│ │ │ └── langgraph_agent.py # LangGraph 多节点工作流
│ │ ├── api/ # FastAPI 路由
│ │ │ ├── main.py # 应用入口
│ │ │ └── routes/
│ │ │ ├── trip_lg.py # 旅行规划路由 (LangGraph)
│ │ │ ├── map_lg.py # 地图服务路由 (LangChain MCP)
│ │ │ └── poi_lg.py # POI 路由 (LangChain MCP)
│ │ ├── services/ # 服务层
│ │ │ ├── langchain_amap_tools.py # LangChain MCP 服务封装
│ │ │ ├── llm_service.py # LLM 服务 (ChatOpenAI)
│ │ │ └── unsplash_service.py # Unsplash 图片服务
│ │ ├── models/
│ │ │ └── schemas.py # Pydantic 数据模型
│ │ └── config.py # 配置管理
│ ├── requirements.txt
│ └── .gitignore
├── frontend/ # 前端应用
│ ├── src/
│ │ ├── components/ # Vue 组件
│ │ ├── services/ # API 服务
│ │ ├── types/ # TypeScript 类型
│ │ └── views/ # 页面视图
│ ├── package.json
│ └── vite.config.ts
└── README.md
┌─────────────────┐
│ START │
└────────┬────────┘
│
┌──────────────┼──────────────┐
▼ ▼ ▼
┌────────────┐ ┌────────────┐ ┌────────────┐
│ search_poi │ │search_weather│ │search_hotel│
│ 景点搜索 │ │ 天气查询 │ │ 酒店搜索 │
└──────┬─────┘ └──────┬─────┘ └──────┬─────┘
│ │ │
└───────────────┼───────────────┘
▼
┌─────────────────┐
│ plan_route │
│ 路线规划 │
└────────┬────────┘
▼
┌─────────────────┐
│ generate_plan │
│ 生成计划 │
└────────┬────────┘
▼
┌─────────────────┐
│ END │
└─────────────────┘
- 并行节点：景点搜索、天气查询、酒店搜索同时执行，缩短响应时间
- 依赖节点：路线规划等待前三个节点完成后执行，利用景点和酒店地址规划路线
- 汇总节点：整合所有信息，由 LLM 生成结构化的旅行计划
- Python 3.10+
- Node.js 16+
- 高德地图 API 密钥（申请地址）
- LLM API 密钥（OpenAI / DeepSeek 等）
- 进入后端目录
cd backend- 创建虚拟环境并安装依赖
python -m venv venv
# Windows
venv\Scripts\activate
# macOS/Linux
source venv/bin/activate
pip install -r requirements.txt- 配置环境变量
# 复制示例配置文件
cp .env.example .env
# 编辑 .env 文件，填入你的 API 密钥.env 文件需要配置以下内容：
# 高德地图 API Key（必填）
AMAP_API_KEY=your_amap_api_key
# LLM 配置（必填）
LLM_API_KEY=your_llm_api_key
LLM_BASE_URL=https://api.deepseek.com/v1
LLM_MODEL_NAME=deepseek-chat- 启动后端服务
uvicorn app.api.main:app --reload --host 0.0.0.0 --port 8000- 进入前端目录
cd frontend- 安装依赖
npm install- 配置环境变量
cp .env.example .env
# 填入高德地图 Web 端 JS API Key- 启动开发服务器
npm run dev- 打开浏览器访问
http://localhost:5173
-
在首页填写旅行信息：
- 目的地城市
- 旅行日期和天数
- 交通方式偏好
- 住宿偏好
- 旅行风格标签
-
点击"生成旅行计划"按钮
-
系统将通过 LangGraph 工作流：
- 并行搜索景点、查询天气、推荐酒店
- 规划景点间交通路线
- 汇总所有信息生成完整行程
-
查看结果：
- 每日详细行程
- 景点信息与地图标记
- 交通路线规划
- 天气预报
- 餐饮推荐
from langgraph.graph import StateGraph, START, END
workflow = StateGraph(TripPlannerState)
# 添加节点
workflow.add_node("search_poi", search_poi_node)
workflow.add_node("search_weather", search_weather_node)
workflow.add_node("search_hotel", search_hotel_node)
workflow.add_node("plan_route", plan_route_node)
workflow.add_node("generate_plan", generate_plan_node)
# 并行执行：景点/天气/酒店同时搜索
workflow.add_edge(START, "search_poi")
workflow.add_edge(START, "search_weather")
workflow.add_edge(START, "search_hotel")
# 路线规划依赖前置节点
workflow.add_edge("search_poi", "plan_route")
workflow.add_edge("search_hotel", "plan_route")
workflow.add_edge("search_weather", "plan_route")
# 汇总生成计划
workflow.add_edge("plan_route", "generate_plan")
workflow.add_edge("generate_plan", END)
app = workflow.compile()from langchain_mcp_adapters.client import MultiServerMCPClient
# 通过 SSE 连接高德官方 MCP 云服务
client = MultiServerMCPClient({
"amap": {
"transport": "sse",
"url": "https://mcp.amap.com/sse?key=your_api_key",
"timeout": 60,
"sse_read_timeout": 300
}
})
# 自动加载所有 MCP 工具
tools = await client.get_tools()
# LLM 绑定工具并调用
llm_with_tools = llm.bind_tools([search_tool, weather_tool])
response = await llm_with_tools.ainvoke([HumanMessage(content="搜索北京的景点")])
if response.tool_calls:
result = await tool.ainvoke(response.tool_calls[0]["args"])通过 langchain-mcp-adapters 自动加载的高德地图 MCP 工具：
| 工具名 | 功能 | 关键参数 |
|---|---|---|
maps_text_search |
关键词搜索 POI | keywords, city |
maps_weather |
查询天气 | city |
maps_geo |
地址转经纬度 | address, city |
maps_direction_walking |
步行路线规划 | origin, destination |
maps_direction_driving |
驾车路线规划 | origin, destination |
maps_direction_transit_integrated |
公交路线规划 | origin, destination, city, cityd |
maps_search_detail |
POI 详情 | id |
maps_around_search |
周边搜索 | keywords, location, radius |
启动后端服务后，访问 http://localhost:8000/docs 查看完整的 API 文档。
主要端点：
POST /api/trip/plan- 生成旅行计划（LangGraph 工作流）GET /api/map/poi- 搜索 POIGET /api/map/weather- 查询天气POST /api/map/route- 规划路线GET /api/poi/detail/{poi_id}- 获取 POI 详情GET /api/poi/search- 搜索 POI
欢迎提交 Pull Request 或 Issue！
CC BY-NC-SA 4.0
- HelloAgents - 智能体教程（本项目原始框架）
- HelloAgents 框架 - 原始版本使用的 Agent 框架
- LangGraph - 当前使用的 Agent 工作流框架
- langchain-mcp-adapters - LangChain 官方 MCP 适配器
- 高德地图开放平台 - 地图服务及 MCP 云服务
- amap-mcp-server - 高德地图 MCP 服务器
智能旅行规划助手 - 基于 LangGraph 的多节点协作旅行规划 🌈