MCP LangChain 多服务器演示
一个演示项目，展示了如何将多个模型上下文协议（MCP）服务器与LangChain和LangGraph集成，以创建一个能够执行数学运算和天气查询的智能代理。
概述
这个项目展示了如何：
- 设置多个MCP服务器（数学和天气）
- 使用LangChain的MCP适配器将它们连接起来
- 使用LangGraph创建一个ReAct代理，该代理能够智能地选择和使用合适的工具
- 在不同领域执行多步骤推理任务
项目结构
.
├── client.py # Main agent client that orchestrates multiple MCP servers
├── mathserver.py # MCP server providing mathematical operations
├── weather.py # MCP server providing weather information
├── main.py # Legacy/unused file (can be removed)
├── .env # Environment variables (OpenAI API key)
└── README.md # This file特点/特性
数学服务器
- 添加加两个数
- 乘以将两个数相乘
天气服务器
- 获取天气信息获取任何地点的天气信息
智能代理
- 使用OpenAI的GPT-4o-mini模型
- 根据用户查询自动选择合适的工具
- 处理多步推理（例如，“先将3和5相加，然后乘以12”）
先决条件
- Python 3.8 或更高版本
- OpenAI API密钥
- 使用 pip 或 poetry 进行包管理
安装
- 克隆仓库：
git clone
cd - 安装所需的依赖项：
pip install langchain-mcp-adapters langgraph langchain-openai python-dotenv mcp- 创建一个
.env项目根目录下的文件：
OPENAI_API_KEY=your_openai_api_key_here使用方法
运行客户端以查看代理的运行情况：
python client.py示例输出
该脚本展示了两种类型的查询：
- 数学查询“(3 + 5) x 12等于多少？”
- 该代理将使用数学服务器的 add 并且 multiply 工具 - 预期结果：96
- 天气查询“加州的天气怎么样？”
- 该代理将使用天气服务器的 get_weather 工具 - 返回一个模拟的天气响应
它是如何工作的
1. MCP 服务器
该项目使用FastMCP来创建轻量级的MCP服务器：
- mathserver.py 翻译为中文是“数学服务器.py”或“数学服务脚本.py”，具体取决于上下文和该文件的具体用途。这里，“mathserver”通常指的是一个提供数学计算或服务的服务器或脚本，“.py”表示这是一个Python脚本文件揭露
add并且multiply作为工具发挥作用 - weather.py 翻译成中文是：“天气.py”（这里“weather”表示“天气”，“.py”表示这是一个Python脚本文件）揭露
get_weather作为工具的功能
每个服务器独立运行，并通过标准输入/输出（stdio）进行通信。
2. 客户端配置
该 client.py 文件：
- 初始化
MultiServerMCPClient两台服务器的配置均已就绪 - 从两台服务器中检索所有可用工具
- 使用LangGraph创建一个ReAct代理
- 向代理发送查询，代理智能地选择和使用适当的工具
3. 代理工作流程
User Query → Agent (GPT-4o-mini) → Tool Selection → MCP Server → Response → Agent → Final Answer建筑学
┌─────────────────────────────────────────┐
│ client.py │
│ ┌───────────────────────────────────┐ │
│ │ MultiServerMCPClient │ │
│ │ ┌─────────────┐ ┌─────────────┐ │ │
│ │ │ Math │ │ Weather │ │ │
│ │ │ Server │ │ Server │ │ │
│ │ └─────────────┘ └─────────────┘ │ │
│ └───────────────────────────────────┘ │
│ │
│ ┌───────────────────────────────────┐ │
│ │ LangGraph ReAct Agent │ │
│ │ (GPT-4o-mini) │ │
│ └───────────────────────────────────┘ │
└─────────────────────────────────────────┘项目延期
为现有服务器添加新工具
编辑 mathserver.py 或者 weather.py：
@mcp.tool()
def subtract(a: int, b: int) -> int:
"""Subtract b from a"""
return a - b添加一个新的MCP服务器
- 创建一个新的服务器文件（例如。，
dateserver.py):
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("Date")
@mcp.tool()
def get_current_date() -> str:
"""Get the current date"""
from datetime import datetime
return datetime.now().strftime("%Y-%m-%d")
if __name__ == "__main__":
mcp.run(transport="stdio")- 将其添加到客户端配置中
client.py:
client = MultiServerMCPClient({
"Math": {...},
"Weather": {...},
"Date": {
"command": "python",
"args": ["dateserver.py"],
"transport": "stdio",
}
})故障排除
导入错误
确保所有依赖项都已安装：
pip install --upgrade langchain-mcp-adapters langgraph langchain-openai python-dotenv mcpOpenAI API密钥问题
- 验证您的
.env文件包含有效内容OPENAI_API_KEY - 检查密钥是否拥有足够的信用额度
服务器通信问题
- 确保客户端配置中服务器文件的路径正确
- 检查Python是否已添加到系统的PATH中
- 验证服务器文件是否可执行
依赖项
langchain-mcp-adapters用于将MCP服务器与LangChain集成的适配器langgraph构建有状态代理的框架langchain-openaiLangChain的OpenAI集成python-dotenv环境变量管理mcp模型上下文协议库
许可证
\[此处填写您的许可证\]
做出贡献
欢迎贡献！请随时提交拉取请求。
资源
作者
\[您的姓名/组织名称\]
致谢
- 针对模型上下文协议的人工智能伦理原则（Anthropic for the Model Context Protocol，可简化为“模型上下文协议的人工智能伦理原则”，但根据语境，“Anthropic的模型上下文协议”或“Anthropic针对模型上下文的协议”也是可接受的表述，具体取决于强调的重点）
- LangChain团队，感谢你们提供的出色工具
- 用于语言模型的OpenAI