refactor(module11): restructure MCP client implementation and migrate to chapter 11

m11_mcp_advanced/agent_stream.py

@@ -0,0 +1,40 @@
+from langchain_core.messages import HumanMessage
+
+async def run_agent_with_streaming(app,query:str):
+    """
+    通用流式运行器，负责将 LangGraph 的运行过程可视化输出到控制台
+
+    :param app: 编译好的 LangGraph 应用 (workflow.compile())
+    :param query: 用户输入的问题
+    """
+    print(f'\n用户:{query}\n')
+    print("🤖 AI:",end="",flush=True)
+
+    # 构造输入消息
+    inputs = {"messages":[HumanMessage(content=query)]}
+
+    # 核心:监听v2版本的事件流(相比v1更全面)
+    async for event in app.astream_events(inputs,version="v2"):
+        kind = event["event"]
+
+        # 1.监听LLM的流式吐字(嘴在动)
+        if kind == "on_chat_model_stream":
+            chunk = event["data"]["chunk"]
+            # 过滤掉空的chunk(有时工具调用会产生空内容)
+            if chunk.content:
+                print(chunk.content,end="",flush=True)
+
+        # 2.监听工具开始调用(手在动)
+        elif kind == "on_tool_start":
+            tool_name = event["name"]
+            # 不打印内部包装，只打印自定义的工具
+            if not tool_name.startswith("_"):
+                print(f"\n\n🔨 正在调用工具: {tool_name} ...")
+
+        # 3.监听工具调用结束(拿到结果)
+        elif kind == "on_tool_end":
+            tool_name = event["name"]
+            if not tool_name.startswith("_"):
+                print(f"✅ 调用完成，继续思考...\n")
+                print("🤖 AI: ", end="", flush=True)
+    print("\n\n😊 输出结束!")