Langgraph MCP Integration

🚀 MCP アーキテクチャの概要

MCP（マルチコンピューティングサーバー）アーキテクチャは、AI モデルと外部のコンピューティングサービスを結合する画期的な方法です。これにより、開発者は強力なアプリケーションを構築することができます。

🚀 クイックスタート

MCP アーキテクチャを始めるには、以下のコマンドを実行してコードをクローンし、実行します。

git clone https://github.com/commitbyrajat/langgraph-mcp-integration.git
cd langgraph-mcp-integration
rye sync  # 依存関係を同期する
rye run python server/weather_server.py &
rye run python client/single_server_client.py
rye run python client/multi_server_client.py

✨ 主な機能

• 拡張性：簡単に追加のサービスを追加できます。
• 並列実行：複数のサーバーに同時にクエリを送信できます。
• 柔軟な通信：複数のトランスポートプロトコルをサポートしています。
• AI 統合：言語モデルと外部サービスをシームレスに統合できます。

📦 インストール

MCP アーキテクチャのコードを実行するには、以下の手順に従ってください。

git clone https://github.com/commitbyrajat/langgraph-mcp-integration.git
cd langgraph-mcp-integration
rye sync  # 依存関係を同期する
rye run python server/weather_server.py &
rye run python client/single_server_client.py
rye run python client/multi_server_client.py

💻 使用例

基本的な使用法

MCP サーバーの例

数学サーバー (math_server.py)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Math")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers."""
    return a + b

if __name__ == "__main__":
    mcp.run(transport="stdio")

天気サーバー (weather_server.py)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Weather")

@mcp.tool()
async def get_weather(location: str) -> str:
    """Get weather for location."""
    return "It's always sunny in New York"

if __name__ == "__main__":
    mcp.run(transport="sse")

MCP クライアントの例

単一サーバークライアント (single_server_client.py)

from mcp.client import Client

client = Client(
    {
        "math": {
            "command": "python",
            "args": ["server/math_server.py"],
            "transport": "stdio",
        },
    }
)

複数サーバークライアント (multi_server_client.py)

from mcp.client import MultiServerMCPClient

async with MultiServerMCPClient(
    {
        "math": {
            "command": "python",
            "args": ["server/math_server.py"],
            "transport": "stdio",
        },
        "weather": {
            "url": "http://localhost:8000/sse",
            "transport": "sse",
        },
    }
) as client:
    agent = create_react_agent(model, client.get_tools())
    math_response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})
    weather_response = await agent.ainvoke({"messages": "what is the weather in nyc?"})

📚 ドキュメント

MCP アーキテクチャとは？

MCP アーキテクチャは、AI モデルが stdio や sse などの複数のトランスポートプロトコルを介して、複数のコンピューティングサーバーに同時に接続できるようにします。これにより、モデルは math_server.py での数学演算や weather_server.py からのリアルタイム天気情報の取得など、複雑なタスクを実行できます。

MCP の動作原理

MCP アーキテクチャは以下の手順で機能を実現します。

1. サーバーの初期化：各 MCP サーバーは、add や get_weather などの独自のツールを定義し、指定されたトランスポートプロトコルで実行されます。
2. クライアントの接続：クライアントは、必要に応じて単一サーバーまたは複数のサーバーに接続できます。
3. AI 駆動の対話：GPT などの言語モデルを通じて、クライアントは異なるサーバー上のツールを呼び出して、複雑なタスクを実行できます。

MCP アーキテクチャにより、開発者は強力な AI 駆動のアプリケーションを構築することができます。🚀