模型上下文协议服务器

LangChain MCP服务器演示

本项目演示了如何使用LangChain创建和使用模型上下文协议（MCP）服务器。MCP是一种协议，允许AI模型通过标准化的接口与外部工具和数据源进行交互。

什么是MCP？

模型上下文协议（MCP）是一种协议，它使AI模型能够：

• 连接到外部工具和数据源
• 在远程服务器上执行功能
• 访问实时信息
• 与数据库、API和其他服务交互

项目结构

langchain-mcp-server/
├── client.py          # Main client that connects to MCP servers
├── mathserver.py      # Math MCP server (stdio transport)
├── weather.py         # Weather MCP server (HTTP transport)
├── requirements.txt   # Python dependencies
└── README.md         # This file

组件

1.数学服务器(mathserver.py)

一个提供数学运算的简单MCP服务器：

• 运输：stdio（标准输入/输出）
• 工具:
  • add(a: int, b: int) -> int：将两个数字相加
  • multiply(a: int, b: int) -> int：将两个数字相乘

2.气象服务器(weather.py)

提供天气信息的基本MCP服务器：

• 运输：可流式传输http（基于http）
• 工具:
  • get_weather(city: str) -> str：返回给定城市的天气

3.客户(client.py)

连接到多个MCP服务器并将其与AI代理一起使用的LangChain客户端：

• 连接到数学和天气服务器
• 使用Groq的Qwen模型进行推理
• 创建可以使用MCP工具的ReAct代理

设置和安装

1. 安装依赖项:

   复制

   pip install -r requirements.txt
   

2. 设置环境变量: 创建一个 .env 使用Groq API密钥提交：

   复制

   GROQ_API_KEY=your_groq_api_key_here
   

3. 启动天气服务器 （在单独的终端中）：

   复制

   python weather.py
   

   这将启动天气服务器 http://localhost:8000/mcp

用法

运行演示

1. 启动天气服务器 （如果尚未运行）：

   复制

   python weather.py
   

2. 运行主客户端:

   复制

   python client.py
   

客户将：

• 连接到数学服务器（通过stdio）和天气服务器（通过HTTP）
• 让AI代理解决一个数学问题： (19 + 17) * 45
• 让AI代理获取东京的天气信息
• 显示响应

期望输出

Math Response: The result of (19 + 17) * 45 is 1620
Weather Response: The weather in Tokyo is sunny

运作原理

MCP服务器创建

每个MCP服务器都是使用 FastMCP 框架：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("ServerName")

@mcp.tool()
def my_function(param: str) -> str:
    """Function description"""
    return "result"

if __name__ == "__main__":
    mcp.run(transport="stdio")  # or "streamable-http"

客户端配置

客户端使用以下方式连接到多个服务器 MultiServerMCPClient:

client = MultiServerMCPClient({
    "math": {
        "command": "python",
        "args": ["mathserver.py"],
        "transport": "stdio",
    },
    "weather": {
        "url": "http://localhost:8000/mcp",
        "transport": "streamable-http",
    }
})

运输类型

• 标准输入输出：使用标准输入/输出进行本地通信
• 可流式传输http：使用HTTP进行网络通信

关键概念演示

1. 多服务器架构：同时连接到多个MCP服务器
2. 不同的传输协议：stdio用于本地服务器，HTTP用于远程服务器
3. 工具集成：MCP工具可供LangChain代理商使用
4. AI代理推理：代理可以根据用户的请求选择使用哪些工具

扩展项目

添加新的MCP服务器

1. 创建新的服务器文件（例如。， databaseserver.py)
2. 使用定义工具 @mcp.tool() 装饰器
3. 将服务器配置添加到 client.py
4. 重新启动客户端

添加新工具

要向现有服务器添加新工具，只需使用以下命令添加新功能 @mcp.tool() 装饰师：

@mcp.tool()
def divide(a: float, b: float) -> float:
    """Divide two numbers"""
    return a / b

依赖项

• langchain-groq：Groq LLM集成
• langchain-mcp-adapters：LangChain的MCP客户端适配器
• mcp：模型上下文协议框架
• langgraph：用于创建ReAct代理

这个项目是对MCP服务器的简单介绍，并演示了它们如何与LangChain集成，用于AI驱动的应用程序。