使用MCP构建多服务AI代理系统

最新推荐文章于 2025-04-17 15:54:12 发布

小太阳，乐向上

最新推荐文章于 2025-04-17 15:54:12 发布

阅读量974

点赞数 22

文章标签：人工智能

本文链接：https://blog.youkuaiyun.com/qq_33682575/article/details/147273887

版权

什么是MCP？

MCP（Model Connector Protocol）是一种用于构建多服务AI代理系统的协议，它允许我们将不同的功能模块以服务的形式提供给AI模型调用。通过MCP，我们可以让大型语言模型（LLM）访问多个不同的服务，实现更加复杂的功能组合。

MCP的核心优势

服务解耦：将不同功能封装为独立服务
多传输方式支持：支持stdio、HTTP SSE等多种传输方式
易于集成：简单的API设计，便于与现有系统集成
工具注册机制：轻松将Python函数注册为AI可调用的工具

实战案例：构建数学计算与天气查询系统

在本文中，我们将构建一个简单的系统，它包含两个MCP服务：

数学计算服务：提供基本的数学运算
天气查询服务：提供城市天气信息

然后，我们将创建一个客户端，使用LangChain和LangGraph来让LLM调用这些服务。

第0步：安装依赖库

pip install langchain-mcp-adapters langchain-openai

export OPENAI_API_KEY=<your_api_key>

第1步：创建数学服务

首先，我们创建一个简单的数学服务，提供加法和乘法功能：

# math_server.py
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Math")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    print('--add--',a,b)    
    return a + b

@mcp.tool()
def multiply(a: int, b: int) -> int:
    """Multiply two numbers"""
    print('--multiply--',a,b)    
    return a * b

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

这个服务提供了两个工具：add和multiply，分别用于加法和乘法操作。我们使用@mcp.tool()装饰器将这些函数注册为工具，使它们可以被AI模型调用。服务通过stdio传输方式运行。

第2步：创建天气服务

接下来，我们创建一个天气查询服务：

# weather_server.py
from typing import List
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Weather")

@mcp.tool()
async def get_weather(location: str) -> str:
    """Get weather for location."""
    print('--get_weather--',location)
    return "It's always sunny in New York"

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

这个服务提供了一个get_weather工具，用于获取特定位置的天气信息。这里使用的是模拟数据，实际应用中可以替换为真实的天气API调用。服务通过SSE（Server-Sent Events）传输方式运行，监听本地8000端口。

第3步：创建客户端

最后，我们创建一个客户端，用于连接这两个服务并使用LLM调用它们：

# mcp_client.py
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
from langchain_mcp_adapters.client import MultiServerMCPClient

from langchain_mcp_adapters.tools import load_mcp_tools
from langgraph.prebuilt import create_react_agent

from langchain_openai import ChatOpenAI
model = ChatOpenAI(model="gpt-4o")

async def main():
    print('开始执行...')
    
    print('初始化模型:', model)
    async with MultiServerMCPClient(
        {
            "math": {
                "command": "python",
                "args": ["math_server.py"],
                "transport": "stdio",
            },
            "weather": {
                "url": "http://localhost:8000/sse",
                "transport": "sse",
            }
        }
    ) as client:
        print('已连接服务器，获取工具...')
        tools = client.get_tools()
        print(f'获取到 {len(tools)} 个工具')
        
        agent = create_react_agent(model, tools)
        print('已创建agent，开始调用...')
        
        # 设置超时
        import asyncio
        
        math_response = await asyncio.wait_for(
            agent.ainvoke({"messages": "what's (3 + 5) x 12?"}),
            timeout=30
        )
        print('数学响应:', math_response)
        
        weather_response = await agent.ainvoke({"messages": "what is the weather in nyc?"})
        print('\n\n天气响应:', weather_response)

# 运行主函数
if __name__ == "__main__":
    import asyncio
    asyncio.run(main())