Langgraph MCP Integration

項目介紹了MCP架構在AI應用中的優勢，通過單服務器與多服務器客戶端的對比，展示瞭如何高效連接數學和天氣服務，並利用LangGraph的ReAct代理進行智能計算。

開發者工具人工智能聊天機器人 #多服務架構 #AI計算 #工具集成 #並行處理 .Python

評分 : 2分

下載量 : 7

更新時間 : 2025-04-29

什麼是MCP服務器?

MCP服務器是一個基於Multi-Client Protocol的中間件，允許AI模型通過標準化協議與各種計算服務(如數學運算、天氣查詢等)交互。它充當AI應用和外部服務之間的橋樑。

如何使用MCP服務器?

您可以通過簡單的Python裝飾器定義服務功能，然後通過標準輸入輸出(stdio)或Server-Sent Events(SSE)等傳輸協議與客戶端通信。

適用場景

適用於需要將AI能力與外部計算服務集成的場景，如智能計算器、即時數據分析、多服務協調等AI增強應用。

主要功能

多服務集成可同時連接多個不同類型的服務服務器(如數學服務和天氣服務)

靈活的傳輸協議支持stdio、SSE等多種通信方式，適應不同場景需求

AI無縫集成內置LangGraph ReAct代理，使AI模型能自動決定工具調用順序

優勢與侷限性

優勢

高擴展性：輕鬆添加新服務而不影響現有架構

並行處理：可同時與多個服務交互提高效率

協議標準化：統一的服務交互方式降低集成複雜度

侷限性

需要額外維護服務進程

初次配置需要一定技術理解

目前主要支持Python生態

如何使用

定義服務功能

使用Python裝飾器在服務端代碼中註冊工具函數

啟動服務

選擇傳輸協議並運行服務進程

客戶端連接

在客戶端配置連接參數並初始化會話

使用案例

數學計算服務通過AI代理自動分解並解決複雜數學表達式

多服務協同同時查詢天氣並進行相關計算

常見問題

MCP服務器支持哪些編程語言?

如何添加新的服務類型?

是否支持身份驗證?

🚀 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

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")

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：

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。
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。
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。🚀