MCP Use

🚀 MCP-Use 使用指南

MCP-Use 是一個用於管理多個 MCP 服務連接的工具，它可以幫助開發者輕鬆地與不同的 MCP 實現進行交互，提供了豐富的工具和功能，能滿足不同場景下的使用需求。

🚀 快速開始

安裝指南

你可以使用以下命令來安裝 MCP-Use：

pip install mcp-use

基礎使用示例

以下代碼展示瞭如何快速上手 MCP-Use：

import asyncio
from mcp_use.client import MCPClient
from mcp_use.adapters.langchain_adapter import LangChainAdapter
from dotenv import load_dotenv

load_dotenv()

async def main():
    client = MCPClient.from_config_file("examples/browser_mcp.json")
    adapter = LangChainAdapter()
    tools = await adapter.create_tools(client)
    
    # 創建一個綁定工具的LLM
    llm_with_tools = llm.bind_tools(tools)
    result = await llm_with_tools.ainvoke("你能使用什麼工具？")
    print(result)

if __name__ == "__main__":
    asyncio.run(main())

💻 使用示例

基礎用法

上述的快速開始代碼就是基礎用法的示例，它展示瞭如何從配置文件加載客戶端，創建工具並使用綁定工具的 LLM 進行交互。

高級用法

使用多個 MCP 服務

import asyncio
from mcp_use.client import MCPClient
from langchain_openai import ChatOpenAI

async def main():
    client = MCPClient.from_config_files(
        config_files=["config1.json", "config2.json"]
    )
    
    # 創建代理
    async with client:
        llm = ChatOpenAI(model="gpt-4")
        tools = await client.get_tools()
        
        # 使用所有可用工具
        result = await llm.invoke("你能做什麼？", tools=tools)
        print(result)

asyncio.run(main())

通過 HTTP 連接 MCP 服務

import asyncio
from mcp_use.client import MCPClient
from langchain_openai import ChatOpenAI

async def main():
    client = MCPClient.from_url("ws://localhost:3000/ws")
    
    async with client:
        llm = ChatOpenAI(model="gpt-4")
        tools = await client.get_tools()
        
        result = await llm.invoke("你能使用什麼工具？", tools=tools)
        print(result)

asyncio.run(main())

自定義代理

import asyncio
from mcp_use.client import MCPClient, BaseMCPAdapter
from typing import Any

class CustomAdapter(BaseMCPAdapter):
    async def get_action(self, observation: Any) -> str:
        # 實現自定義邏輯
        pass
    
async def main():
    client = MCPClient.from_config_file("config.json")
    
    adapter = CustomAdapter()
    async with client:
        action = await adapter.get_action("觀察結果")
        print(action)

asyncio.run(main())

📚 詳細文檔

快速入門

1. 安裝依賴

pip install mcp-use langchain openai anthropic playwright

2. 創建配置文件 config.json 內容示例：

{
    "browser": {
        "type": "playwright",
        "args": {"headless": false}
    },
    "file_system": {
        "root": "./data"
    }
}

配置 MCP 客戶端

• 從文件加載配置

  client = MCPClient.from_config_file("config.json")
  

• 從 URL 加載配置

  client = MCPClient.from_url("ws://localhost:3000/ws")
  

創建代理

async with client:
    # 獲取可用工具
    tools = await client.get_tools()
    
    # 使用 OpenAI 模型
    llm = ChatOpenAI(model="gpt-4")
    result = await llm.invoke("任務描述", tools=tools)

客戶端 API

• MCPClient：管理多個 MCP 服務連接。
• BaseMCPAdapter：定義適配器接口，用於與不同 MCP 實現交互。

工具示例

from mcp_use.tools import (
    Tool,
    BrowserTool,
    FileSystemTool,
    DatabaseTool,
    SearchEngineTool
)

🔧 技術細節

高級功能

併發執行

import asyncio
from mcp_use.client import MCPClient
from langchain_openai import ChatOpenAI

async def main():
    client = MCPClient.from_config_file("config.json")
    
    async with client:
        # 創建多個任務
        tasks = []
        for i in range(5):
            task = asyncio.create_task(client.request(f"第{i+1}個請求"))
            tasks.append(task)
        
        # 等待所有任務完成
        results = await asyncio.gather(*tasks)
        print(results)

asyncio.run(main())

擴展工具集

from mcp_use import Tool

class CustomTool(Tool):
    def __init__(self, custom_param: str):
        super().__init__()
        self.custom_param = custom_param
    
    async def execute(self, command: str) -> str:
        # 自定義邏輯
        return f"自定義工具執行結果：{command}"

調試與故障排除

啟用調試日誌

export MCP_USE_DEBUG=1

常見問題

• 連接問題：檢查網絡和目標服務狀態。
• 權限問題：確保有足夠的權限訪問資源。

🤝 項目貢獻

提交代碼

1. Fork 倉庫
2. 創建新分支
3. 提交更改
4. Push 到遠程
5. 提交 Pull Request

👥 社區支持

加入社區 Discord：

https://discord.gg/example

📄 許可證

MIT 許可證

👨‍💻 貢獻者

• 開發者：[你的名字]
• 貢獻者列表：[contributor1], [contributor2]