Langgraph MCP Integration

🚀 瞭解 MCP 架構

MCP（多計算服務器）架構是一種具有創新性的方法，它將 AI 模型與外部計算服務相結合，助力開發者打造功能強大的應用程序。

🚀 快速開始

MCP 架構允許 AI 模型藉助多種傳輸協議（如 stdio 和 sse），同時連接到多個計算服務器。這一特性讓模型能夠執行復雜任務，例如在 math_server.py 中進行數學運算，或者從 weather_server.py 獲取即時天氣信息。

✨ 主要特性

MCP 的核心組件

1. MCP 服務器：
   • 數學服務器 (math_server.py)：提供基本的算術運算。

     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")
     

   • 天氣服務器 (weather_server.py)：提供即時天氣數據。

     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")
     

2. MCP 客戶端：
   • 單服務器客戶端 (single_server_client.py)：與一個 MCP 服務器交互。

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

   • 多服務器客戶端 (multi_server_client.py)：同時與多個 MCP 服務器交互。

     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?"})
     

MCP 的工作原理

MCP 架構通過以下步驟實現其功能：

1. 初始化服務器：每個 MCP 服務器定義了自己的工具（如 add 和 get_weather）並運行在指定的傳輸協議上。
2. 連接客戶端：客戶端可以是單服務器或多個服務器，具體取決於需求。
3. AI 驅動的交互：通過語言模型（如 GPT），客戶端可以調用不同服務器上的工具來執行復雜任務。

MCP 的優勢

• 可擴展性：輕鬆添加更多服務。
• 並行執行：同時查詢多個服務器。
• 靈活通信：支持多種傳輸協議。
• AI 集成：使語言模型與外部服務無縫結合。

📦 安裝指南

要克隆並運行代碼，請按照以下步驟操作：

git clone https://github.com/commitbyrajat/langgraph-mcp-integration.git
cd langgraph-mcp-integration
rye sync  # 同步依賴項
rye run python server/weather_server.py &
rye run python client/single_server_client.py
rye run python client/multi_server_client.py

MCP 架構使開發者能夠構建功能強大的 AI 驅動應用程序。🚀