from zhipuai import ZhipuAI
from env_config import ZHIPU_API_KEY

# 初始化zhipuai客户端
client = ZhipuAI(api_key=ZHIPU_API_KEY)

# 定义工具参数
tools = [{
    'type': 'web_search',  # 网页搜索
    'web_search': {
        'enable': True,
        'search_engine': 'search_pro_sogou',  # 搜索引擎类型
        'search_result': True,
        'search_prompt': '你是一名财经分析师，请用简洁的语言总结网络搜索结果中：{{search_result}}中的关键信息，按重要性排序并标注来源日期'
    }
}]

# 定义用户消息
messages = [{
    'role': 'user',
    'content': '2025年7月份重要财经事件、政策变化和市场数据'
}]

# 调用API获取响应
response = client.chat.completions.create(
    model='glm-4-air-250414',  # 模型编码
    messages=messages,
    tools=tools
)

# print(response)  # response是一个Completion对象，我们需要拿到它的choices
for choice in response.choices:
    print(choice.message.content)

以下是2025年7月份的重要财经事件、政策变化和市场数据，按重要性排序并标注来源日期：

### 1. **中国7月国民经济保持稳中有进发展态势**  
   - **内容**：工业生产较快增长（规模以上工业增加值同比增长5.7%），装备制造业和高技术制造业增长显著（分别增长8.4%和9.3%）。服务业商务活动指数为50.0%，市场销售继续增长（社会消费品零售总额同比增长3.7%）。  
   - **来源**：[ref_6]（7月新闻发布会）、[ref_7]（国家统计局答记者问）、[ref_9]（经济数据总结）。  

### 2. **中国金融数据：M2增长8.8%，贷款投放稳健**  
   - **内容**：7月末广义货币（M2）余额329.94万亿元，同比增长8.8%；前七个月人民币贷款增加12.87万亿元，存款增加18.44万亿元。  
   - **来源**：[ref_5]（金融统计数据报告）。  
......

from langchain_openai import ChatOpenAI
from langchain.agents import create_tool_calling_agent, AgentExecutor
from langchain_core.chat_history import BaseChatMessageHistory
from langchain_community.chat_message_histories import ChatMessageHistory
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables import RunnableWithMessageHistory
from langchain_core.tools import tool
from pydantic import BaseModel, Field
from zhipuai import ZhipuAI
from env_config import ZHIPU_API_KEY

# 创建客户端
zhipuai_client = ZhipuAI(api_key=ZHIPU_API_KEY)
llm = ChatOpenAI(  # zhipuai的
    temperature=0,
    model='glm-4-air-250414',
    api_key=ZHIPU_API_KEY,
    base_url="https://open.bigmodel.cn/api/paas/v4/")


# 定义搜索输入的模型
class SearchInput(BaseModel):
    query: str = Field(description='需要搜索的内容或者关键词')


# 定义搜索工具函数
@tool('my_search_tool', args_schema=SearchInput)
def my_search(query: str) -> str:
    """搜索互联网上的内容"""
    try:
        # 调用客户端进行网络搜索
        response = zhipuai_client.web_search.web_search(
            search_engine="search-std",
            search_query=query
        )
        # 打印搜索结果
        # print("搜索内容：", response)
        # 如果搜索结果存在，返回结果内容
        if response.search_result:
            return "\n\n".join([d.content for d in response.search_result])
    except Exception as e:
        # 打印异常信息
        print(e)
        # 返回没有搜索到任何内容的提示
        return '没有搜索到任何内容！'


# 定义聊天提示模板
prompt = ChatPromptTemplate.from_messages([
    ('system', '你是一个智能助手，尽可能的调用工具回答用户的问题'),
    # 占位符用于存储聊天历史
    MessagesPlaceholder(variable_name='chat_history', optional=True),
    ('human', '{input}'),
    # 占位符用于存储代理的临时信息
    MessagesPlaceholder(variable_name='agent_scratchpad', optional=True),
])
# 定义工具列表
tools = [my_search]
# 创建智能体
agent = create_tool_calling_agent(llm, tools=tools, prompt=prompt)
# 创建智能体执行器
executor = AgentExecutor(agent=agent, tools=[my_search])
# 定义存储会话历史的字典
store = {}


# 获取会话历史的方法
def get_session_history(session_id: str) -> BaseChatMessageHistory:
    # 如果会话ID不在存储字典中，创建一个新聊天历史记录
    if session_id not in store:
        store[session_id] = ChatMessageHistory()
    # 返回会话历史记录
    return store[session_id]


# 创建带有会话历史的智能体
agent_with_history = RunnableWithMessageHistory(
    executor,
    get_session_history,
    input_messages_key='input',
    history_messages_key='chat_history'
)
# 调用代理处理用户输入
resp1 = agent_with_history.invoke(
    {'input': '你好， 我是扳布，出生在2002年'},
    config={'configurable': {'session_id': 'bamboo'}}
)
# 打印代理的响应
print("回答1：", resp1['output'])
# 调用智能体处理用户输入
resp2 = agent_with_history.invoke(
    {'input': '我出生的那一年，国际上发生哪些大事'},
    config={'configurable': {'session_id': 'bamboo'}}
)
# 打印代理的响应
print("回答2：", resp2["output"])

回答1： 你好，扳布！很高兴认识你。请问有什么我可以帮助你的吗？
回答2： 2002年，国际上发生了一些重要的大事，包括：

1. **伊拉克武器核查问题**：联合国与伊拉克达成一致，允许武器核查人员重返巴格达。
2. **诺贝尔奖揭晓**：2002年诺贝尔奖在多个领域颁发，包括生理学或医学奖、物理学奖、经济学奖、化学奖、和平奖和文学奖。
3. **印尼巴厘岛爆炸事件**：印度尼西亚旅游胜地巴厘岛发生针对外国人的系列爆炸事件，造成近190人死亡，320多人受伤。
......

这些事件对国际政治、经济和文化产生了深远的影响。如果你对其中某个事件有更详细的兴趣，我可以提供更多信息。

prompt = ChatPromptTemplate.from_messages([
    ('system', '你是一个智能助手，尽可能的调用工具回答用户的问题'),
    # 占位符用于存储聊天历史
    MessagesPlaceholder(variable_name='chat_history', optional=True),
    ('human', '{input}'),
    # 占位符用于存储代理的临时信息
    MessagesPlaceholder(variable_name='agent_scratchpad', optional=True),
])

Thought: 我需要先查一下北京的天气。
Action: get_weather{"city": "北京"}
Observation: {"weather":"晴","temp":12}
Thought: 已经拿到天气信息，可以回答用户了。
Final Answer: 北京今天晴，温度是12°C。

from fastmcp import FastMCP

mcp = FastMCP("Demo 🚀")

@mcp.tool
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

if __name__ == "__main__":
    mcp.run()

pip install fastmcp

from fastmcp import FastMCP

mcp = FastMCP("My MCP Server")


@mcp.tool
def greet(name: str) -> str:
    return f"Hello, {name}!"


if __name__ == "__main__":
    mcp.run()

python mcp_server.py

fastmcp run my_server.py:mcp

fastmcp run my_server.py:mcp --transport http --port 8000

import asyncio
from fastmcp import Client

client = Client("http://localhost:8000/mcp")


async def call_tool(name: str):
    async with client:
        result = await client.call_tool("greet", {"name": name})
        print(result)


asyncio.run(call_tool("Ford"))

CallToolResult(content=[TextContent(type='text', text='Hello, Ford!', annotations=None, meta=None)], structured_content={'result': 'Hello, Ford!'}, meta=None, data='Hello, Ford!', is_error=False)