MCP概念

        模型上下文协议 (MCP, Model Context Protocol)，是一种开放协议，能够将外部系统能力标准化为“工具（Tool）”，用于让大模型（LLM）能够统一调用不同数据源或服务。

MCP架构

MCP Server

        MCP Server是“工具提供方”，它通过对外部系统（如 GitHub）进行封装，能够向外提供统一的 Tool 接口。

MCP Client

        MCP Client是“能力接入层”，它通过连接多个MCP Server，可以获取工具列表，并将工具转化为Langchain Tool。

Agent

        Agent是“能力使用方”，无需关心工具来源，只需在初始化阶段获取工具列表即可。而工具列表中的tools则可来自于MCP，也可以是本地编写的普通Tool。

简单实现

        尝试通过MCP实现智能体与GitHub的交互。

MCP Server配置

MCPServer的获取和运行主要有四种方法：

1. 远程托管服务：直接用服务商提供的云端 MCP 服务，无需本地运行，零部署，最省事。

2. 包管理器一键安装：用npm/pip/go直接安装并启动，适合通用工具。

3. Docker 容器运行：环境隔离，稳定

4. 源码克隆 + 编译：适用于二次开发

        为了方便，采用远程托管服务，创建mcp_config.json配置mcp服务器：

{
  "servers": {
    "github": {
      "transport": "stdio",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "enabled": true,
      "description": "GitHub MCP Server for repository operations"
    }
  }
}

其中@modelcontextprotocol/server-github是官方 GitHub MCP 服务包，其中封装了 GitHub API，提供：

• 读取仓库
• 搜索代码
• 创建 issue
• 查看 PR
• 评论、合并等操作

MCP Client管理器

        LangChain 代理可以使用langchain-mcp-adapters库来使用在 MCP 服务器上定义的工具。

class MCPClientManager:
    async def initialize(self):
        self.client = MultiServerMCPClient(self._servers_config)
        self.tools = await self.client.get_tools()

• MultiServerMCPClient (connections)：初始化客户端与多个服务器之间的连接，connections是一个字典，其中包含服务器的配置，也就是前面创建的mcp_config.json。
• await self.client.get_tools()：将mcp 服务器提供的工具转化为langchain tool供agent使用。

工具自动加载流程

async def get_all_tools():
    manager = await get_mcp_manager()
    tools = []
    
    tools += await manager.get_tools()
    print(f"load {len(tools)} mcp tools")
    tools += load_all_tools_from_package("agent.skills")

    return tools

        代码中，首先获取mcp工具，先获取mcp客户端示例，然后调用提供的对外接口（get_tools()）获取连接的mcp服务器中的工具。然后调用load_all_tools_from_package()方法（省略），获取指定package中的所有带有@tool的工具方法。

注入Agent

@classmethod
    async def create(cls):
        llm = ChatOpenAI(
            model=LLM_MODEL,
            api_key=LLM_API_KEY,
            base_url=LLM_BASE_URL,
            temperature=0.2,
        )

        tools = await get_all_tools() 

        graph = create_agent(
            model=llm,
            tools=tools,
            system_prompt=load_system_prompt(),
            checkpointer=InMemorySaver(),
        )

        return cls(llm, graph)

        由于 MCP Server 的工具列表获取是异步操作，而 Python 构造方法__init__(self)不支持异步执行，因此 Agent 不能在构造函数中完成初始化。需定义一个异步类方法实现初始化逻辑，在该方法内调用工具获取接口，拉取并加载全部可用工具。

调用

response = await agent.graph.ainvoke({
    "messages": [...]
})