对话式生成MCP Server并结合RAG知识库检索实现智能问答
LangChain编排HITL人机协同流程，从Swagger/OpenAPI生成MCP Server；ChromaDB提供RAG向量检索能力
✓ 关键决策节点可人工介入✓ 自动化流程中保留主动权
方案简介
该配方聚焦 AgentChat 的两大核心能力：基于人机协同（HITL）的对话式 MCP Server 生成，以及基于 RAG 的知识库检索问答。
一方面，系统使用 Human-In-The-Loop 机制，将 Swagger/OpenAPI 描述的 API 信息以对话方式生成 MCP Server，在生成过程中的关键决策节点支持人工介入与确认，实现动态配置与实时交互，让用户在自动化流程中保留充分的主动权。
另一方面，知识库系统支持多格式文件、语义分块、向量检索与 RAG 问答，依托向量数据库实现精准知识检索。二者结合，构成从「工具接入（MCP）」到「知识接入（RAG）」的完整智能体能力扩展方案。
亮点与能力
- 支持将OpenAPI信息以人机协同方式进行对话式MCP Server生成
- 生成过程中关键决策节点支持人工介入与确认，实现动态配置与实时交互
- 提升服务器生成的灵活性与系统可控性
- 知识库多格式支持、语义分块、向量检索、RAG问答
- 支持自定义工具：可通过上传 Swagger/OpenAPI 构建自己的工具
- MCP服务器完整协议支持，运行时动态加载
组成与分工
- LangChain: Agent编排框架，承载HITL人机协同流程与对话式生成逻辑（v2.2.0+ 为 1.0 版本）
- Swagger/OpenAPI: API描述规范，作为自定义工具与MCP Server生成的输入来源
- ChromaDB: 向量数据库，负责知识库语义分块与向量检索，支撑RAG问答
使用与配置要点
- 通过界面上传 Swagger/OpenAPI 文件即可构建自定义工具，此前版本点击自定义工具无事件的问题已修复。
- 在 HITL 生成 MCP Server 的对话流程中，注意在关键决策节点进行人工确认，以控制生成结果。
- MCP 服务器支持运行时动态加载，无需重启即可扩展智能体能力。
优缺点
- ✓ 关键决策节点可人工介入
- ✓ 自动化流程中保留主动权
出处
本方案挖掘自开源项目 Shy2593666979/AgentChat，方案内容与实施命令均来自其 README 原文。
方案出处
Shy2593666979/AgentChat：AgentChat 是一个基于 LLM 的智能体交流平台，内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作，Agent 可以理解并协助 888 star AgentChat 是一个基于 LLM 的智能体交流平台，内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作，Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、HITL、Skill、Milvus 和 ElasticSearch 等技术，实现高效的知识检索与工具调用，使用 FastAPI 构建
本方案由真实开源项目挖掘整理，实施命令均来自其 README 原文，安装使用请遵循项目开源协议。