基于 MCP 的 AI Agent 应用开发实践

最新推荐文章于 2025-11-25 12:11:01 发布

原创

最新推荐文章于 2025-11-25 12:11:01 发布 · 1.3k 阅读

CC 4.0 BY-SA版权

文章标签：

MCP 协议是一种模型上下文协议，旨在解耦工具提供方与应用研发者，为 AI Agent 应用开发提供标准化的协议支持。它允许将工具服务器（MCP Server）与 Agent 应用分离，Agent 无需关注工具的具体实现细节，通过 MCP 协议即可调用各种工具。

安装 Node.js 和 npm ：确保本地有 Node.js 环境和 npm 包管理工具，以便后续安装和管理相关依赖。
创建项目目录 ：创建一个用于开发基于 MCP 的 AI Agent 应用的项目目录，并初始化 npm 项目。
安装必要的依赖 ：根据项目需求，安装如 @modelcontextprotocol/inspector、zod、openai 等依赖包，这些工具分别用于调试 MCP Server、定义工具的输入输出格式以及与 OpenAI 等大语言模型进行交互。

定义工具 ：使用 JSON Schema 约束工具的输入、输出格式，推荐使用 zod 来定义 Zod Schema，然后将其转换为 JSON Schema 导出。例如，定义一个浏览器导航工具 browser_navigate 和一个页面滚动工具 browser_scroll，分别指定它们的输入参数和返回值格式。
实现工具逻辑 ：为每个工具编写具体的实现逻辑，如在 browser_navigate 工具中，根据输入的 URL 进行页面导航，并返回导航后的页面信息和可点击元素；在 browser_scroll 工具中，根据输入的滚动像素值进行页面滚动，并返回滚动后的页面状态。
配置 package.json ：编写 package.json 文件，指定通过 stdio 调用的入口文件、通过 Function Call 同进程调用的入口文件等信息，以便 MCP Server 能够正确启动和运行。
编写启动入口文件 ：在入口文件中，导出 listTools、callTool、close 等共用方法，用于列举所有函数、调用具体函数以及 Server 不使用后的清理工作。同时，支持 Stdio 调用方式，以便在不同场景下使用 MCP Server。

使用 Inspector ：通过运行 npm run dev 启动 MCP Inspector，它会提供一个 Playground，包含 MCP Server 可调试的功能，如 Prompts、Resources、Tools 等。在 Inspector 中，可以方便地测试和调试 MCP Server 的各项功能，但需注意在 Inspector 调试时 console.log 无法显示。
单步调试 ：在开发工具的实现逻辑时，可以使用断点调试等单步调试方法，深入分析工具的执行流程和数据传递情况，确保工具的正确性和稳定性。

创建 MCP Client 实例 ：在 Agent 应用中，创建 MCP Client 实例，并将开发好的 MCP Server 配置信息添加到 Client 中。例如，对于内置的 MCP Server，可以通过指定其名称、描述以及 localClient 等属性来进行配置。
调用 MCP Server 的工具 ：通过 MCP Client 提供的 listTools 方法获取 MCP Server 中可用的工具列表，然后根据需要调用具体的工具。例如，在与 OpenAI 的 Chat Completions API 交互时，可以将 MCP Server 的工具信息转换为模型能够理解的格式，并设置 tool_choice 参数为 ‘auto’，让模型自动选择合适的工具进行调用。

FaaS 转换 ：如果是 Web 应用无法使用 Stdio MCP Server，可以利用 FaaS 将 Stdio 转成 SSE MCP Server，实现 MCP Servers 的云化。这样，就可以在 Function Call 的基础上无缝支持 MCP 类型的 Tools，使得 Web 应用也能够方便地使用 MCP Server 提供的功能。
调用远程 MCP Server ：在代码中，通过相应的客户端库或自定义实现，与远程的 MCP Server 进行通信。例如，使用 Python 的 aiohttp 库或 JavaScript 的 fetch API 等，向远程 MCP Server 发送请求并接收响应，从而实现对远程工具的调用。