AI导哈

LangGraph代理与MCP集成工具

该项目高效集成了模型上下文协议（MCP）与LangGraph代理，使其能够动态访问外部工具、数据源和API，支持自动工具发现和多服务器连接，提升AI系统的模块化和灵活性。

  • by galaxyxyz5
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 galaxyxyz5/langgraph-mcp

使用说明

带MCP的LangGraph代理

该项目旨在高效地将模型上下文协议（MCP）与LangGraph代理集成，使其能够动态访问外部工具、数据源和API。

使用此项目，您可以将LangGraph代理连接到MCP服务器，并使用预定义的工具执行各种任务，如网络搜索和总结YouTube视频。您还可以根据需要添加其他服务器。

这种集成实现了自动工具发现和多服务器支持，使人工智能系统更加模块化和强大。它允许人工智能系统自动找到工具并连接到多个服务器，从而提高了它们的灵活性和效率。

什么是MCP，为什么它很重要？

模型上下文协议（MCP）是一个开放标准，为人工智能应用程序与外部数据、工具和API交互提供了一种结构化的方式。MCP由Anthropic开发，旨在解决将LLM动态连接到外部数据源而不需要为每个工具进行自定义集成的挑战。

MCP很重要，因为它可以帮助人工智能系统轻松共享和访问数据，消除不同工具之间的障碍。这使得AI更加互联和高效。它还允许开发人员构建更智能的人工智能系统，这些系统可以使用许多不同的工具并轻松增长。

项目结构

langgraph_mcp/
│-- agent.py  
│-- servers/
│   ├── tavily.py          
│   ├── yt_transcript.py   
│   ├── math_server.py 
│   ├──weather.py
│-- .env          
│-- requirements.txt

安装

  1. 克隆存储库：
git clone https://github.com/your-repo/langgraph-mcp.git
cd langgraph-mcp
  1. 再进行
pip install -r requirements.txt
  1. 创建.env文件并添加：
TAVILY_API_KEY=<your-tavily-api-key>
OPENAI_API_KEY=<your-openai-api-key>

运作原理

首先，运行 servers/server.py 在你的终端。这将启动MCP服务器。然后，在一个新的终端中，运行 agent.py。代理将通过MCP客户端连接到服务器并执行您的查询，如演示所示。

https://github.com/user-attachments/assets/c65255a1-62af-4711-8f10-ebfdacd9b3c6

相关 MCP