MCP Use

🚀 MCP-Use 使用指南

MCP-Use 是一个用于管理多个 MCP 服务连接的工具，它可以帮助开发者轻松地与不同的 MCP 实现进行交互，提供了丰富的工具和功能，能满足不同场景下的使用需求。

🚀 快速开始

安装指南

你可以使用以下命令来安装 MCP-Use：

pip install mcp-use

基础使用示例

以下代码展示了如何快速上手 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)
    
    # 创建一个绑定工具的LLM
    llm_with_tools = llm.bind_tools(tools)
    result = await llm_with_tools.ainvoke("你能使用什么工具？")
    print(result)

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

💻 使用示例

基础用法

上述的快速开始代码就是基础用法的示例，它展示了如何从配置文件加载客户端，创建工具并使用绑定工具的 LLM 进行交互。

高级用法

使用多个 MCP 服务

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"]
    )
    
    # 创建代理
    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("你能做什么？", tools=tools)
        print(result)

asyncio.run(main())

通过 HTTP 连接 MCP 服务

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("你能使用什么工具？", tools=tools)
        print(result)

asyncio.run(main())

自定义代理

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

class CustomAdapter(BaseMCPAdapter):
    async def get_action(self, observation: Any) -> str:
        # 实现自定义逻辑
        pass
    
async def main():
    client = MCPClient.from_config_file("config.json")
    
    adapter = CustomAdapter()
    async with client:
        action = await adapter.get_action("观察结果")
        print(action)

asyncio.run(main())

📚 详细文档

快速入门

1. 安装依赖

pip install mcp-use langchain openai anthropic playwright

2. 创建配置文件 config.json 内容示例：

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

配置 MCP 客户端

• 从文件加载配置

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

• 从 URL 加载配置

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

创建代理

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

客户端 API

• MCPClient：管理多个 MCP 服务连接。
• BaseMCPAdapter：定义适配器接口，用于与不同 MCP 实现交互。

工具示例

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

🔧 技术细节

高级功能

并发执行

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:
        # 创建多个任务
        tasks = []
        for i in range(5):
            task = asyncio.create_task(client.request(f"第{i+1}个请求"))
            tasks.append(task)
        
        # 等待所有任务完成
        results = await asyncio.gather(*tasks)
        print(results)

asyncio.run(main())

扩展工具集

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:
        # 自定义逻辑
        return f"自定义工具执行结果：{command}"

调试与故障排除

启用调试日志

export MCP_USE_DEBUG=1

常见问题

• 连接问题：检查网络和目标服务状态。
• 权限问题：确保有足够的权限访问资源。

🤝 项目贡献

提交代码

1. Fork 仓库
2. 创建新分支
3. 提交更改
4. Push 到远程
5. 提交 Pull Request

👥 社区支持

加入社区 Discord：

https://discord.gg/example

📄 许可证

MIT 许可证

👨‍💻 贡献者

• 开发者：[你的名字]
• 贡献者列表：[contributor1], [contributor2]