step1

docker-compose.yml

@@ -2,8 +2,13 @@ services:
 
   mcp_service:
     container_name: mcp_service
+
     build: 
       context: ./
+
+    ports:
+      - "8002:8000"
+
     networks:
       - ssrf_proxy_network
       - milvus

response_template/template.txt

@@ -0,0 +1,18 @@
+{'messages': [
+    HumanMessage(content='账号 user@example.com\n密码 stringst', additional_kwargs={}, response_metadata={}, id='e838025c-b118-46f2-8535-c13b24fe333e'), 
+    AIMessage(content='', additional_kwargs={}, response_metadata={'model': 'qwen3: 8b', 'created_at': '2025-08-30T02: 30: 45.214021756Z', 'done': True, 'done_reason': 'stop', 'total_duration': 2441696716, 'load_duration': 7904240, 'prompt_eval_count': 333, 'prompt_eval_duration': 23550462, 'eval_count': 253, 'eval_duration': 2409719842, 'model_name': 'qwen3: 8b'
+        }, id='run--9e90b9cb-5116-4e95-95b9-8927b10f427b-0', tool_calls=[
+            {'name': '登陆助手_login_function', 'args': {'password': 'stringst', 'username': 'user@example.com'
+                }, 'id': '683e80bb-cb99-400c-bf3d-58a4d510846e', 'type': 'tool_call'
+            }
+        ], usage_metadata={'input_tokens': 333, 'output_tokens': 253, 'total_tokens': 586
+        }), 
+    ToolMessage(content='{
+            "access_token": "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3NTcyMTIyNDUsInN1YiI6ImJjODJmMzQyLWE0NmMtNDI0Mi1iM2NkLTQ1NWUzNWZjY2RmOCJ9.oghnleWYooiyIERl3hHCj_W3WZ7hu0CTNbz_aiP-8AE",
+            "token_type": "bearer"
+        }', name='登陆助手_login_function', id='322c9921-72af-4447-9dbc-c4fac2e559cc', tool_call_id='683e80bb-cb99-400c-bf3d-58a4d510846e'), 
+    AIMessage(content='<think>\n好的，用户之前尝试了登录操作，现在需要处理登录后的响应。首先，我需要确认用户是否成功登录。查看工具返回的响应，access_token存在，说明登录成功。接下来，应该向用户展示登录结果，包括token的信息，并提示他们可以进行后续操作。同时，要确保不泄露敏感信息，比如直接显示token内容可能有风险，但根据之前工具的响应，用户可能需要这些信息进行后续请求。因此，应该明确告知用户登录成功，并提供必要的信息，同时建议他们安全存储token。另外，检查是否有其他需要处理的步骤，比如自动跳转或进一步的指引，但根据当前信息，可能只需简单确认登录成功即可。\n</think>\n\n登录请求已成功处理，返回的访问令牌为：\n```\neyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3NTcyMTIyNDUsInN1YiI6ImJjODJmMzQyLWE0NmMtNDI0Mi1iM2NkLTQ1NWUzNWZjY2RmOCJ9.oghnleWYooiyIERl3hHCj_W3WZ7hu0CTNbz_aiP-8AE\n```\n\n该令牌有效期至 2025年1月1日。您可使用此令牌进行后续的API请求操作，请注意安全存储。需要帮助使用该令牌进行其他操作吗？', additional_kwargs={}, response_metadata={'model': 'qwen3: 8b', 'created_at': '2025-08-30T02: 30: 48.613802823Z', 'done': True, 'done_reason': 'stop', 'total_duration': 3137739862, 'load_duration': 7813141, 'prompt_eval_count': 500, 'prompt_eval_duration': 16532156, 'eval_count': 326, 'eval_duration': 3105946037, 'model_name': 'qwen3: 8b'
+        }, id='run--b94dcce8-b5d2-43d7-9ca1-75a6912e3d87-0', usage_metadata={'input_tokens': 500, 'output_tokens': 326, 'total_tokens': 826
+        })
+    ]
+}

src/ollama_agent.py

@@ -17,7 +17,7 @@ llm = ChatOllama(
 store_mcp = MCPStore.setup_store()
 store_mcp.for_store().add_service(
     config=[
-        {'name':'登陆助手','url':'mcpdocker容器的地址:8000/mcp'}
+        {'name':'登陆助手','url':'http://127.0.0.1:8002/mcp'}
         ]
 )
 tools = store_mcp.for_store().for_langchain().list_tools()

src/webui.py

@@ -38,4 +38,13 @@ if query:
     with st.chat_message(name='user'):
         st.markdown(query)
         st.session_state.history.append(HumanMessage(content=query))
-    response =agent.invoke(input=[])
+    response =agent.invoke(input={"messages": st.session_state.history},)
+
+    print(response['messages'][-2].content)
+
+    with st.chat_message(name='assistant'):
+        last_message = response['messages'][-1]
+        st.markdown(last_message.content)
+        st.session_state.history.append(last_message)
+
+