LangChain + 模型上下文协议（MCP）：AI 智能体 Demo

MCP（Model Context Protocol） 是由 Anthropic 推出的开源协议，旨在为大型语言模型（LLM）提供安全、可解释、可扩展的外部数据与工具集成方案。

---

1. 背景与动机：MCP 的意义何在？

在基于大语言模型构建应用时，一个核心痛点是 数据与工具的接入困难。模型虽然能力强大，但通常处于“沙盒”状态，无法直接访问外部环境。

为此，RAG（检索增强生成）、微调、插件等方案陆续诞生。而 MCP 的目标正是统一接口协议，以便标准化集成上下文、工具、服务与数据源。

✅ MCP 的愿景

• 提供标准协议：简化 LLM 与外部系统的通信
• 安全可扩展：支持权限管理、细粒度访问控制
• 模块化生态：建立社区驱动的“AI工具市场”

可以将 MCP 看作 AI 世界的“软件版 USB-C”。

MCP 架构图

官方资源：

• MCP 协议简介：https://modelcontext.org/
• GitHub 示例项目：https://github.com/modelcontextprotocol/servers

---

2. 如何用 LangChain 集成 MCP？

本节将通过实操演示，介绍如何将 LangChain 与 MCP 工具集成，打造一个拥有算术能力的 AI 智能体。
注意：示例来自 https://github.com/langchain-ai/langchain-mcp-adapters。

准备步骤概览：

步骤	内容
1	创建并激活 Python 虚拟环境
2	安装必要依赖
3	编写 MCP Server（数学工具）
4	编写客户端接入 LangChain 智能体
5	分析输出流程

3. 环境准备与依赖安装

创建虚拟环境

python3 -m venv MCP_Demo
source MCP_Demo/bin/activate

安装依赖:

pip install langchain-mcp-adapters langgraph langchain-openai
export OPENAI_API_KEY=<your_api_key>

请将文本`` 替换为您的OpenAI API密钥。

4. 编写 MCP Server（数学计算工具）

创建 math_server.py 文件：

运行服务器：

python3 math_server.py

5. 编写客户端（集成 LangGraph 智能体）

创建 client.py：

运行客户端：

python3 client.py

6. 消息交互流程解析

完整消息

客户端输出如下：

执行流程说明

1. 用户输入阶段

2. • HumanMessage 记录原始问题：“3加5乘12等于多少？”
   • 包含元数据：消息ID、响应元数据等

3. AI推理阶段

4. • 第一步调用add工具计算3+5
   • 第二步调用multiply工具计算8x12
5. • AIMessage 显示分步思考过程：
   • finish_reason: tool_calls 表示需要等待工具执行结果

6. 工具执行阶段

7. • add工具返回8（对应3+5）
   • multiply工具返回96（对应8x12）
8. • ToolMessage 包含工具执行结果：
   • 每个结果都通过tool_call_id关联到对应的工具调用请求

9. 最终响应阶段

10. • 新的AIMessage生成自然语言答案
    • 使用LaTeX格式展示数学表达式：
    • finish_reason: stop 表示正常结束

7. 元数据与性能指标分析

关键字段说明

字段	说明
token_usage	记录各阶段的令牌消耗情况
system_fingerprint	模型版本指纹（fp_eb9dce56a8）
tool_call_id	工具调用的唯一关联标识
finish_reason	终止类型（tool_calls/stop）

Token 使用情况示例：

阶段	输入 令牌	输出令牌	总计
初始请求	77	51	128
最终响应	143	22	165
总计	220	73	293

8. 小结：MCP + LangChain 的价值

• ✅ 标准化接入：无需为每种数据源编写专属适配器
• ✅ 模块化复用：工具作为可组合单元，多智能体可复用
• ✅ 提升智能体能力：突破“模型只能聊天”的边界
• ✅ 安全可控：客户端-服务端通信可附带权限控制

如何零基础入门 / 学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。