READMEmain

MCP 工具集成示例项目

项目简介

本项目展示了如何使用 Machine Conversation Protocol (MCP) 将外部工具与大语言模型 (LLM) 集成，实现智能代理的自动工具发现和调用。项目通过一个简单的数学计算示例，演示了 MCP 的核心功能和工作流程。

功能特点

基于 MCP 协议的工具注册与发现
使用 LangChain 和 LangGraph 构建 ReAct 代理
支持大语言模型自动选择和调用合适的工具
详细的执行跟踪和可视化
支持本地和远程工具服务部署

. ├── README.md # 项目说明文档 ├── test/ # 测试和示例代码 │ ├── math_server.py # MCP 数学工具服务器 │ ├── client.py # 基础客户端示例 │ ├── verbose_client.py # 带详细日志的客户端 │ └── remote_client.py # 远程服务连接示例 └── requirements.txt # 项目依赖

快速开始

安装依赖

pip install -r requirements.txt

运行示例

基础示例:

python test/client.py

带详细日志的示例:

python test/verbose_client.py

核心组件

1. MCP 服务器 (math_server.py)

数学服务器提供两个基本工具：加法和乘法。

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("MathService")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Execute arithmetic addition operation"""
    return a + b

@mcp.tool()
def multiply(a: int, b: int) -> int:
    """Execute arithmetic multiplication operation""" 
    return a * b

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

2. MCP 客户端 (client.py)

客户端连接到 MCP 服务器，加载工具，并创建 ReAct 代理来执行任务。

async def run_agent():
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            tools = await load_mcp_tools(session)
            agent = create_react_agent(model, tools)
            response = await agent.ainvoke({
                "messages": "Calculate (3 + 5) × 12 using MCP tools"
            })
            return response

工作流程

客户端启动 MCP 服务器进程
客户端连接到服务器并初始化会话
客户端发现并加载可用工具
创建 ReAct 代理，将工具信息提供给大语言模型
代理接收用户请求并开始思考-行动-观察循环:
- 思考：分析问题，决定使用哪个工具
- 行动：调用选定的工具
- 观察：分析工具执行结果
代理生成最终回答并返回给用户

自定义和扩展

添加新工具

只需在 math_server.py 中添加新的工具函数并使用 @mcp.tool() 装饰器注册:

@mcp.tool()
def divide(a: float, b: float) -> float:
    """Execute arithmetic division operation"""
    if b == 0:
        raise ValueError("Cannot divide by zero")
    return a / b

连接到远程服务器

修改客户端代码以连接到远程 MCP 服务:

from mcp.client.http import http_client

async def run_agent():
    async with http_client("https://your-mcp-server.com/api") as session:
        # 其余代码保持不变
        # ...

调试和跟踪

使用 verbose_client.py 查看详细的执行跟踪，包括:

可用工具列表
每一步的思考过程
工具调用和结果
最终响应

运行输出

Processing request of type ListToolsRequest 可用工具:

add: Execute arithmetic addition operation
multiply: Execute arithmetic multiplication operation

开始执行代理调用...

INFO:httpx:HTTP Request: POST https://** "HTTP/1.1 200 OK" Processing request of type CallToolRequest Processing request of type CallToolRequest INFO:httpx:HTTP Request: POST https://** "HTTP/1.1 200 OK"

===== ReAct 执行跟踪 =====

步骤 1: 思考模型思考并决定:

步骤 2: 工具调用调用工具: multiply 输入: {'a': 8, 'b': 12} 输出: content='96' name='multiply' id='44f7af32-dbd5-4ab4-ad37-b45f9da0cac9' tool_call_id='call_ncJW4OzrgGBEPya0gHhRJ6cg'

步骤 3: 工具调用调用工具: multiply 输入: {'a': 8, 'b': 12} 输出: content='96' name='multiply' id='44f7af32-dbd5-4ab4-ad37-b45f9da0cac9' tool_call_id='call_ncJW4OzrgGBEPya0gHhRJ6cg'

步骤 4: 思考模型思考并决定: The result of ((3 + 5) \times 12) is 96.

最终响应: The result of ((3 + 5) \times 12) is 96.

技术栈

MCP: 工具注册、发现和调用协议
LangChain: LLM 和工具集成框架
LangGraph: ReAct 代理构建
OpenAI API: 大语言模型服务

许可证

MIT

贡献

欢迎提交 Issues 和 Pull Requests!

MCP-Math-Agent