AI导哈

LangChain MCP客户端

一个通过LangChain将大型语言模型（LLM）连接到现实世界工具的MCP客户端，支持CLI和Streamlit Web GUI版本。

  • by bhakti259
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 bhakti259/mcp-langchain-client

使用说明

MCP LangChain客户端

A. 模型上下文协议（MCP） 客户端，使用LangChain作为编排层，通过MCP服务器将LLM连接到现实世界的工具。提供CLI和Streamlit web GUI版本。

为什么这个项目很重要： MCP是将AI代理连接到外部工具和数据源的新兴开放标准，可以将其视为“LLM的USB”。此客户端演示了如何将MCP服务器连接到LangChain代理中，以便LLM可以动态发现和调用工具，而无需将任何工具逻辑硬编码到应用程序本身。

它做什么

  1. 同时连接到一个或多个MCP服务器（stdio或HTTP传输）
  2. 在运行时自动发现这些服务器上的所有可用工具
  3. 通过LangChain将工具绑定到LLM（OpenAI或Claude）
  4. LLM决定调用哪些工具，执行它们，并合成最终响应
  5. 完整的对话历史记录在各个回合中都得到了维护

演示

CLI版本

Starting Multi-Server MCP Client...

LLM requested 2 tool call(s)
  - Calling tool 'multiply' with args: {'a': 12, 'b': 15}
    Result: 180.0
  - Calling tool 'add' with args: {'a': 25, 'b': 30}
    Result: 55.0

Final Response: The product of 12 and 15 is 180, and the sum of 25 and 30 is 55.

流线型web GUI

Streamlit版本运行于 http://localhost:8501 并提供：

  • 带有历史记录的聊天风格对话界面
  • 可扩展的工具调用检查（准确查看触发了哪些工具以及使用了哪些参数）
  • 带有示例查询的侧栏
  • 实时处理指标

📸 截图即将发布--run streamlit run client2_with_streamlit.py 现场观看。

技术栈

层 技术
协议 模型上下文协议（MCP）
编排 LangChain， langchain-mcp-adapters
法学硕士 OpenAI GPT-4o/Claude（人类学）
Web界面 Streamlit
运行时 Python 3.12+，UV包管理器
传输 stdio（本地服务器），流式HTTP（远程）

建筑

User prompt
     │
     ▼
LangChain Agent
     │
     ├── MultiServerMCPClient
     │        ├── MCP Server 1 (stdio)  →  tools: multiply, add, ...
     │        ├── MCP Server 2 (HTTP)   →  tools: search, fetch, ...
     │        └── MCP Server N ...
     │
     ▼
Tool discovery → Tool binding → LLM decides → Tool execution → Final response

支持的LLM

OpenAI（默认）

from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)

克劳德（人类学）

from langchain_anthropic import ChatAnthropic
llm = ChatAnthropic(model="claude-sonnet-4-20250514", temperature=0)

添加 ANTHROPIC_API_KEY 给你的 .env 文件并安装软件包：

uv add langchain-anthropic

交换 llm 参考 client1.py 或 client2_with_streamlit.py --其他一切都是一样的，因为LangChain抽象了提供者。

快速启动

1.克隆并安装

git clone https://github.com/bhakti259/mcp-langchain-client.git
cd mcp-langchain-client
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
uv add langchain langchain-openai langchain-anthropic langchain-mcp-adapters python-dotenv streamlit

2.配置

cp .env.example .env

OPENAI_API_KEY=your-openai-key-here
ANTHROPIC_API_KEY=your-anthropic-key-here   # optional — for Claude

3.指向您的MCP服务器

编辑 SERVERS dict in client1.py 或 client2_with_streamlit.py:

SERVERS = {
    "math": {
        "transport": "stdio",
        "command": "path/to/uv.exe",
        "args": ["run", "path/to/your/mcp_server.py"]
    },
    "remote_tool": {
        "transport": "streamable_http",
        "url": "https://your-mcp-server.com/mcp"
    }
}

4.跑步

CLI：

python client1.py

Web图形用户界面：

streamlit run client2_with_streamlit.py

项目结构

mcp-langchain-client/
├── client1.py                   # CLI version
├── client2_with_streamlit.py    # Streamlit web GUI version
├── .env.example                 # Environment variable template
├── .gitignore
├── pyproject.toml               # Dependencies
└── README.md

展示的关键概念

  • MCP工具发现 --工具在运行时动态加载；无需硬编码
  • 多服务器编排 --在单个客户端会话中连接到N个MCP服务器
  • LLM无关设计 --通过一行更改在OpenAI和Claude之间进行交换
  • 异步优先 --满 async/await 用于生产就绪模式
  • 双接口 --相同的核心逻辑，两个表示层（CLI+Streamlit）
  • 工具调用透明度 --Streamlit UI准确地揭示了哪些工具被触发以及为什么被触发

故障排除

问题 修复
API key invalid 检查你的 .env 文件具有正确的密钥，没有尾随空格
MCP server not found 验证 command UV可执行文件和MCP服务器参数的路径
Import error 快跑 uv add langchain langchain-openai langchain-mcp-adapters
Streamlit not found 快跑 uv add streamlit 然后重试

路线图

  • []添加Streamlit界面截图/Loom演示
  • []支持将Claude作为GUI中的默认LLM选项
  • []添加LangSmith跟踪以实现工具调用的可观察性
  • []Docker支持一个命令启动
  • []存储库中包含的示例MCP服务器，用于零配置测试

资源

作者

巴克蒂·库尔卡尼 --前端工程师（React·Vue·TypeScript）转向代理AI工程。 使用LangGraph·LangChain·RAG·MCP·Claude API·FastAPI进行构建。

📍 比利时安特卫普 🔗 领英 🐙 GitHub

相关 MCP