> ## Documentation Index
> Fetch the complete documentation index at: https://langchain.idochub.dev/llms.txt
> Use this file to discover all available pages before exploring further.

# 模型上下文协议（MCP）

<Warning>
  **Alpha 版本提示：** 本文档涵盖的是 **v1-alpha** 版本。内容尚不完整，且可能随时变更。

  如需查阅最新稳定版本，请参阅 v0 版本的 [LangChain Python 文档](https://python.langchain.com/docs/introduction/) 或 [LangChain JavaScript 文档](https://js.langchain.com/docs/introduction/)。
</Warning>

[模型上下文协议（MCP）](https://modelcontextprotocol.io/introduction) 是一种开放协议，用于标准化应用程序如何向大语言模型（LLM）提供工具和上下文。LangChain 智能体可通过 [`langchain-mcp-adapters`](https://github.com/langchain-ai/langchain-mcp-adapters) 库使用定义在 MCP 服务器上的工具。

[MCP](/oss/images/mcp.png)

## 安装

安装 `langchain-mcp-adapters` 库，以便在 LangGraph 中使用 MCP 工具：

<CodeGroup>
  ```bash pip theme={null}
  pip install langchain-mcp-adapters
  ```

  ```bash uv theme={null}
  uv add langchain-mcp-adapters
  ```
</CodeGroup>

## 传输类型

MCP 支持多种客户端-服务器通信的传输机制：

* **stdio**：客户端将服务器作为子进程启动，并通过标准输入/输出进行通信。最适合本地工具和简单设置。
* **可流式 HTTP**：服务器作为独立进程运行，处理 HTTP 请求。支持远程连接和多个客户端。
* **服务器发送事件（SSE）**：一种针对实时流式通信优化的可流式 HTTP 变体。

## 使用 MCP 工具

`langchain-mcp-adapters` 使智能体能够使用一个或多个 MCP 服务器上定义的工具。

```python 访问多个 MCP 服务器 {highlight={1,4,19,22}} icon="server" theme={null}
from langchain_mcp_adapters.client import MultiServerMCPClient
from langchain.agents import create_agent

client = MultiServerMCPClient(
    {
        "math": {
            "transport": "stdio",  # 本地子进程通信
            "command": "python",
            # 替换为你的 math_server.py 文件的绝对路径
            "args": ["/path/to/math_server.py"],
        },
        "weather": {
            "transport": "streamable_http",  # 基于 HTTP 的远程服务器
            # 请确保你的天气服务器在 8000 端口启动
            "url": "http://localhost:8000/mcp",
        }
    }
)

tools = await client.get_tools()
agent = create_agent(
    "anthropic:claude-3-7-sonnet-latest",
    tools
)
math_response = await agent.ainvoke(
    {"messages": [{"role": "user", "content": "what's (3 + 5) x 12?"}]}
)
weather_response = await agent.ainvoke(
    {"messages": [{"role": "user", "content": "what is the weather in nyc?"}]}
)
```

<Note>
  `MultiServerMCPClient` 默认是**无状态的**。每次工具调用都会创建一个新的 MCP `ClientSession`，执行工具，然后清理资源。
</Note>

## 自定义 MCP 服务器

要创建你自己的 MCP 服务器，可以使用 `mcp` 库。该库提供了一种简单的方式来定义[工具](https://modelcontextprotocol.io/docs/learn/server-concepts#tools-ai-actions) 并将其作为服务器运行。

<CodeGroup>
  ```bash pip theme={null}
  pip install mcp
  ```

  ```bash uv theme={null}
  uv add mcp
  ```
</CodeGroup>

请使用以下参考实现来测试你的智能体与 MCP 工具服务器的交互。

```python title="数学服务器（stdio 传输）" icon="floppy-disk" theme={null}
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Math")

@mcp.tool()
def add(a: int, b: int) -> int:
    """加两个数字"""
    return a + b

@mcp.tool()
def multiply(a: int, b: int) -> int:
    """乘两个数字"""
    return a * b

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

```python title="天气服务器（可流式 HTTP 传输）" icon="wifi" theme={null}
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Weather")

@mcp.tool()
async def get_weather(location: str) -> str:
    """获取指定地点的天气。"""
    return "纽约总是阳光明媚"

if __name__ == "__main__":
    mcp.run(transport="streamable-http")
```

## 通过 MCP 暴露 LangChain 工具

你也可以使用 `to_fastmcp` 函数，通过 MCP 服务器暴露现有的 LangChain 工具。这允许你将 LangChain 工具提供给任何 MCP 客户端使用。

```python 通过 MCP 提供 LangChain 工具 icon="tool" theme={null}
from langchain_core.tools import tool
from langchain_mcp_adapters.tools import to_fastmcp
from mcp.server.fastmcp import FastMCP


@tool
def add(a: int, b: int) -> int:
    """加两个数字"""
    return a + b

@tool
def get_user_info(user_id: str) -> str:
    """获取用户信息"""
    return f"用户 {user_id} 处于活跃状态"


# 将 LangChain 工具转换为 FastMCP 格式
fastmcp_tools = [to_fastmcp(tool) for tool in (add, get_user_info)]

# 使用转换后的工具创建服务器
mcp = FastMCP("LangChain 工具", tools=fastmcp_tools)
mcp.run(transport="stdio")
```

## 有状态工具使用

对于需要在工具调用之间保持上下文的有状态服务器，请使用 `client.session()` 创建持久的 `ClientSession`。

```python 使用 MCP ClientSession 实现有状态工具调用 theme={null}
from langchain_mcp_adapters.tools import load_mcp_tools

client = MultiServerMCPClient({...})
async with client.session("math") as session:
    tools = await load_mcp_tools(session)
```

## 更多资源

* [MCP 官方文档](https://modelcontextprotocol.io/introduction)
* [MCP 传输机制文档](https://modelcontextprotocol.io/docs/concepts/transports)
* [`langchain-mcp-adapters`](https://github.com/langchain-ai/langchain-mcp-adapters)