CAMEL-AI 项目实战：基于 Streamlit 的代码仓库对话探索工具

何蒙莉Livia

于 2025-06-03 09:04:59 发布

阅读量404

点赞数 4

本文链接：https://blog.youkuaiyun.com/gitblog_00819/article/details/148392946

版权

CAMEL-AI 项目实战：基于 Streamlit 的代码仓库对话探索工具

camel 🐫 CAMEL: Communicative Agents for “Mind” Exploration of Large Language Model Society (NeruIPS'2023) https://www.camel-ai.org 项目地址: https://gitcode.com/gh_mirrors/ca/camel

项目概述

CAMEL-AI 项目推出的代码仓库对话探索工具是一个创新性应用，它结合了自然语言处理技术和代码仓库分析能力，让开发者能够通过对话方式与代码库进行交互。该工具基于 Streamlit 框架构建，采用 CAMEL-AI 的核心技术和 MCP（模型上下文协议）实现智能对话功能。

核心功能解析

1. 交互式对话界面

该工具提供了直观的聊天界面，用户可以通过自然语言提问来获取代码库信息。例如：

"这个项目有多少个文件？"
"显示 README 文件内容"
"查找与数据库连接相关的代码"

系统会理解问题上下文，并给出准确的回答。

2. 动态上下文管理

工具支持实时切换分析的代码库，用户只需在侧边栏输入新的仓库地址，系统就会自动加载新的上下文，无需重启应用。

3. 智能会话记忆

系统会保持对话历史记录，直到用户切换分析的代码库。这种设计使得用户可以基于之前的问答进行深入探讨，形成连贯的对话流。

技术架构

底层技术栈

CAMEL-AI：提供核心的对话智能能力
MCP (Model Context Protocol)：处理代码仓库的上下文管理
Streamlit：构建交互式Web应用界面
OpenAI API：支持自然语言理解和生成

工作流程

用户输入问题
系统通过 MCP 工具获取代码库数据
CAMEL-AI 的 ChatAgent 处理问题并生成回答
结果通过 Streamlit 界面呈现给用户

环境准备与安装

系统要求

Python 3.10-3.12 版本
Node.js 和 npm（用于运行 MCP 服务器插件）
OpenAI API 密钥

安装步骤

创建并激活 Python 虚拟环境：

python -m venv venv
source venv/bin/activate  # Linux/macOS
venv\Scripts\activate    # Windows

安装 Python 依赖：
```
pip install -r requirements.txt
```
安装 MCP 插件：
```
npm install -g @openbnb/mcp-server-git
```

配置说明

环境变量配置

创建 .env 文件，内容如下：

OPENAI_API_KEY=你的API密钥

MCP 服务器配置

创建 mcp_servers_config.json 文件：

{
  "mcpServers": {
    "gitingest": {
      "command": "npx",
      "args": ["-y", "@openbnb/mcp-server-git"]
    }
  }
}

运行应用

启动应用非常简单：

streamlit run app.py

启动后，在浏览器中打开显示的地址即可使用。

自定义与扩展

开发者可以根据需要调整以下方面：

提示词优化：修改 st.chat_message 中的系统提示词
模型参数：调整 ModelFactory.create 中的温度和模型类型
界面样式：通过修改 CSS 自定义界面外观
功能扩展：集成其他代码分析工具增强功能

项目结构

项目目录/
├── assets/            # 静态资源
│   ├── logo_camel_ai.png
│   ├── logo_github.png
│   └── screenshot_chat.png
├── mcp_servers_config.json  # MCP服务器配置
├── app.py             # 主应用文件
├── requirements.txt   # Python依赖
└── .env               # 环境变量