langchain-JeikChat 全能AI助手

无缝集成各种生态 MCP API Tools 多语言混合调用

基于大语言模型的全能拓展BOT解决方案

项目简介

JeikChat 是一个基于langchain、langgraph、vite、react，python等开发的功能完善的全能AI助手，采用现代化的前后端分离架构设计，支持多模型切换、RAG知识库检索、MCP工具扩展等核心功能。UI设计参考主流AI产品（豆包、ChatGPT、通义千问等），完美适配电脑和手机端。

!!!注意 MCP集成功能需要较新的模型才能使用推荐用2025年中旬以后发布的模型即可使用快速集成构建你的智能助手!!!

Python开发由于Python是解释性语言所以模型加载和工具的第一次初始化会比较慢但第一次以后平台会带缓存机制几乎所有功能都带缓存机制

本项目全程采用Langchain+langgraph+python+vue开发 UI美观大气上档次任何模型都可以集成 openai形API的大模型和MCP服务更是可以一秒无缝集成!

作者: jeikliu@outlook.com

开发计划

✅️ 基础聊天功能
✅️ 数据库记忆
✅️ 多模型支持
RAG知识库
✅️ MCP工具系统
语音对话
用户认证系统
对话历史持久化
✅️ 多语言支持

功能特性

核心功能

多模型支持: 支持 OpenAI、Anthropic、Google、阿里云、字节跳动、Moonshot 等主流大模型
流式对话: 支持 SSE 流式输出，打字机效果，实时响应
RAG知识库: 基于向量检索的增强生成，支持 PDF、Excel、Word、Markdown 等多种文档格式
MCP工具扩展: 支持通过 MCP 协议集成外部工具（搜索、GitHub、12306等）
响应式设计: 完美适配桌面端和移动端

智能对话

RAG知识库

多格式文档支持: PDF, Excel, CSV, Word, TXT, Markdown
向量存储与相似度检索 (ChromaDB)
多知识库并行管理
知识库开关控制
自定义 System Prompt

Agent工具系统 (MCP)

MCP 协议支持
工具自动发现与配置
支持多种传输方式: HTTP Streamable、SSE、STDIO
内置工具: Bing搜索、GitHub操作、12306查询、智谱搜索等
工具权限管理

技术架构

前端技术栈

技术	版本	用途
React	18.2+	UI框架
TypeScript	5.3+	类型安全
Vite	5.0+	构建工具
Zustand	4.5+	状态管理
React Router	6.21+	路由管理
TailwindCSS	3.4+	样式框架
@tanstack/react-query	5.17+	数据请求
Lucide React	0.312+	图标库
date-fns	3.2+	时间处理

后端技术栈

技术	版本	用途
Python	3.11+	运行环境
FastAPI	0.109+	Web框架
SQLAlchemy	2.x	ORM
Pydantic	2.x	数据验证
LangChain	1.2 最新版本	LLM框架
LangGraph	最新	工作流编排
ChromaDB	0.4.x	向量数据库
sentence-transformers	2.x	文本向量

支持的大模型

OpenAI: GPT-4, GPT-3.5 Turbo, GPT-4o
Anthropic: Claude 3 Opus, Claude 3 Sonnet, Claude 3.5
Google: Gemini Pro, Gemini Ultra
阿里云: 通义千问 (Qwen) 系列
字节跳动: 豆包 (Doubao)
Moonshot: 月之暗面 (Kimi)
DeepSeek: DeepSeek Chat
Hunyuan: 腾讯混元
本地部署: Ollama (LLaMA2, Qwen, Mistral等)

支持的向量数据库(开发中)

ChromaDB (默认, 轻量级)
Milvus (企业级)
Pinecone (云服务)
Qdrant (开源)

项目结构

aichat/
├── frontend/                    # 前端项目 (React + TypeScript + Vite)
│   ├── src/
│   │   ├── components/          # UI组件
│   │   │   ├── Chat/            # 聊天相关组件
│   │   │   └── Common/          # 通用组件
│   │   ├── pages/               # 页面
│   │   ├── services/            # API服务
│   │   ├── stores/              # 状态管理 (Zustand)
│   │   └── types/               # TypeScript类型
│   ├── dist/                    # 构建产物
│   ├── nginx.conf               # Nginx配置
│   └── package.json
│
├── backend/                     # 后端项目 (Python + FastAPI)
│   ├── agent/                   # AI Agent核心
│   │   ├── mcp/                 # MCP工具管理
│   │   ├── tools/               # 内置工具
│   │   └── prompt/              # 提示词模板
│   ├── api/                     # API路由
│   │   └── routes/              # 路由模块
│   ├── services/                # 业务逻辑
│   ├── app/                     # 应用配置
│   ├── schemas/                 # 数据模型
│   └── pyproject.toml           # Python配置
│
├── .env                         # 环境变量
├── .env.local                   # 本地环境变量
└── README.md

快速开始

环境要求

Python 3.11+
Node.js 18+
npm 或 yarn

1. 克隆项目

git clone <your-repo-url>
cd aichat

2. 安装依赖

# 安装后端依赖
cd backend
pip install -e .

# 安装前端依赖
cd ../frontend
npm install

3. 配置环境变量

创建 .env 文件:

# 后端配置
cd backend
cp .env.example .env

# 编辑 .env 文件，配置你的 API Keys

4. 启动服务

方式一：使用 CLI 工具 (推荐)

# 启动前后端服务
jeikchat run all

# 或使用简写
jeikchat run a

方式二：分别启动

# 终端1: 启动后端
cd backend
jeikchat run back
# 或: uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

# 终端2: 启动前端
cd frontend
npm run dev

5. 访问系统

CLI 命令详解

# 查看帮助
jeikchat --help

# 启动所有服务
jeikchat run all
jeikchat run a          # 简写

# 启动前端
jeikchat run front      # http://localhost:5173

# 启动后端
jeikchat run back       # http://localhost:8000

# 测试模式 (使用模拟数据)
jeikchat run all -t
jeikchat run back -t

# 指定主机和端口
jeikchat run all --host 0.0.0.0 --port 9000
jeikchat run all -h :: -p 9000    # IPv6

# 参数说明
# -t, --test      测试模式
# -h, --host      监听地址 (默认 127.0.0.1)
# -p, --port      服务端口

部署指南

方式一：开发模式部署

适合本地测试和开发：

jeikchat run all -t --host 0.0.0.0 --port 9000

访问：http://localhost:9000

方式二：生产环境部署 (Nginx + 后端)

1. 构建前端

cd frontend
npm run build

2. 配置 Nginx

复制配置文件到 Nginx 目录：

# nginx.conf -> nginx/conf/nginx.conf
# dist/ -> nginx/html/

3. 启动服务

# 启动后端
jeikchat run back

# 启动 Nginx
nginx.exe

4. 访问方式

IPv4: http://你的IP
IPv6: http://[你的IPv6地址]

方式三：Docker 部署

1. 构建镜像

# 后端镜像
cd backend
docker build -t aichat-backend .

# 前端镜像
cd ../frontend
docker build -t aichat-frontend .

2. 使用 Docker Compose

version: '3.8'

services:
  backend:
    build: ./backend
    ports:
      - "8000:8000"
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
    volumes:
      - ./uploads:/app/uploads
      - ./vector_store:/app/vector_store

  frontend:
    build: ./frontend
    ports:
      - "80:80"
    depends_on:
      - backend

docker-compose up -d

公网部署注意事项

防火墙: 开放 80, 8000 端口
域名解析: 配置 A 记录和 AAAA 记录
HTTPS: 建议使用 Let's Encrypt 或 Cloudflare
安全组: 云服务器需开放对应端口

环境变量配置

后端 (.env)

# 应用配置
APP_NAME=JeikChat
APP_VERSION=3.0.0
APP_DESCRIPTION=JeikChat智能客服系统

# 数据库
DATABASE_URL=sqlite:///./aichat.db

# 默认LLM配置
DEFAULT_LLM_PROVIDER=openai
DEFAULT_LLM_MODEL=gpt-4
OPENAI_API_KEY=your-api-key
OPENAI_BASE_URL=https://api.openai.com/v1

# 可选: 其他模型
ANTHROPIC_API_KEY=your-anthropic-key
QWEN_API_KEY=your-qwen-key
DOUBAO_API_KEY=your-doubao-key
KIMI_API_KEY=your-kimi-key
DEEPSEEK_API_KEY=your-deepseek-key
GOOGLE_API_KEY=your-google-key

# 向量数据库
EMBEDDING_MODEL=all-MiniLM-L6-v2
VECTOR_STORE_TYPE=chroma

# 文件上传
UPLOAD_DIR=./uploads
MAX_FILE_SIZE=100MB
MAX_UPLOAD_FILES=10

# CORS
CORS_ORIGINS=http://localhost:5173,http://127.0.0.1:5173

# MCP配置
MCP_CONFIG_PATH=./agent/mcp/mcp.yaml
MCP_TIMEOUT=30
MCP_AUTO_RELOAD=true

# 日志
LOG_LEVEL=INFO

MCP工具配置

MCP (Model Context Protocol) 工具配置位于 backend/agent/mcp/mcp.yaml：

servers:
  - name: bing-search
    transport: streamable_http
    url: https://mcp.api-inference.modelscope.net/7fcb19ec6e704b/mcp

  - name: github-mcp
    transport: stdio
    command: npx
    args: [-y, "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: your-token

settings:
  timeout: 30
  auto_reload: true
  log_level: info

API文档

详细的 API 接口文档请参考 API文档.md

主要接口包括：

模型配置 API: /api/config/*
聊天服务 API: /api/chat/*
知识库 API: /api/knowledge/*
工具服务 API: /api/tools/*

在线文档: http://localhost:8000/docs (启动后访问)

贡献指南

欢迎提交 Issue 和 Pull Request！

Fork 本仓库
创建你的特性分支 (git checkout -b feature/AmazingFeature)
提交你的修改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
打开一个 Pull Request

许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

联系方式

作者: jeikliu@outlook.com
项目主页: GitHub Repository

Made with ❤️ by JeikLiu

Name		Name	Last commit message	Last commit date
Latest commit History 90 Commits
.vscode		.vscode
backend		backend
frontend		frontend
.env		.env
.gitignore		.gitignore
API文档.md		API文档.md
README.md		README.md

Folders and files

Latest commit

History

Repository files navigation

langchain-JeikChat 全能AI助手

无缝集成各种生态 MCP API Tools 多语言混合调用

项目简介

!!!注意 MCP集成功能 需要较新的模型才能使用 推荐用2025年中旬以后发布的模型 即可使用 快速集成构建你的智能助手!!!

Python开发 由于Python是解释性语言 所以模型加载和工具的第一次初始化会比较慢 但第一次以后平台会带缓存机制 几乎所有功能都带缓存机制

本项目全程采用Langchain+langgraph+python+vue开发 UI美观大气上档次 任何模型 都可以集成 openai形API的大模型和MCP服务更是可以一秒无缝集成!

开发计划

功能特性

核心功能

智能对话

RAG知识库

Agent工具系统 (MCP)

技术架构

前端技术栈

后端技术栈

支持的大模型

支持的向量数据库(开发中)

项目结构

快速开始

环境要求

1. 克隆项目

2. 安装依赖

3. 配置环境变量

4. 启动服务

5. 访问系统

CLI 命令详解

部署指南

方式一：开发模式部署

方式二：生产环境部署 (Nginx + 后端)

1. 构建前端

2. 配置 Nginx

3. 启动服务

4. 访问方式

方式三：Docker 部署

1. 构建镜像

2. 使用 Docker Compose

公网部署注意事项

环境变量配置

后端 (.env)

MCP工具配置

API文档

贡献指南

许可证

联系方式

About

Topics

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

!!!注意 MCP集成功能需要较新的模型才能使用推荐用2025年中旬以后发布的模型即可使用快速集成构建你的智能助手!!!

Python开发由于Python是解释性语言所以模型加载和工具的第一次初始化会比较慢但第一次以后平台会带缓存机制几乎所有功能都带缓存机制

本项目全程采用Langchain+langgraph+python+vue开发 UI美观大气上档次任何模型都可以集成 openai形API的大模型和MCP服务更是可以一秒无缝集成!

Packages