AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建

AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建

作者：高瑞冬

一、MCP协议简介

MCP协议（Model Context Protocol）是由Anthropic在2024年11月初发布的一种协议，旨在统一AI模型与外部系统之间的通信方式，简化它们之间的交互问题。随着OpenAI官方宣布支持MCP协议，越来越多的AI厂商也开始支持这一协议。

MCP协议主要包含Client和Server两部分：

• Client（客户端）：使用AI模型的一方，通过MCP Client可以为模型提供调用外部系统的能力
• Server（服务端）：提供外部系统调用的一方，实际运行外部系统的主体

FastGPT从v4.9.6版本开始，新增了两种MCP相关的功能：

1. MCP服务：可以将FastGPT应用以MCP协议对外提供
2. MCP工具集：可以导入外部MCP服务，让FastGPT使用外部工具

mcp-proxy是开源的mcp协议聚合代理，可以聚合多个mcp服务，并提供统一的mcp服务地址。

本文将重点介绍如何在FastGPT中集成和使用MCP工具集。另外，对于私有化部署的fastgpt，本文给出了mcp服务聚合的解决方案。从而实现海量的开源mcp组件能够快速接入Fastgpt平台，为平台上的智能体应用提供丰富的集成能力。给出了开源mcp社区和fastgpt社区资源和平台的完整对接路径。

二、创建MCP工具集

1. 获取MCP服务地址

首先，您需要获取一个支持MCP协议的服务地址。这里以高德地图的MCP服务为例，访问高德地图MCP Server获取MCP地址，格式如：https://mcp.amap.com/sse?key=xxx。

2. 在FastGPT中创建MCP工具集

1. 登录FastGPT平台

2. 在工作台中选择"新建应用"，然后选择"MCP工具集"

   

3. 在弹出窗口中填入MCP服务地址

4. 点击"解析"按钮，系统会自动解析出该MCP服务提供的一系列工具

5. 点击"创建"按钮完成MCP工具集的创建

三、测试MCP工具

创建完MCP工具集后，您可以对工具集中的单个工具进行测试：

1. 进入MCP工具集详情页面

2. 选择需要测试的具体工具，例如maps_weather（天气查询工具）

   

3. 输入测试参数，如城市名称"杭州"

4. 点击"运行"按钮，查看工具返回的结果

5. 系统会显示该城市的具体天气信息

四、AI模型调用MCP工具

FastGPT支持两种方式让AI模型调用MCP工具：

1. 调用单个工具

1. 在工作流中添加"工具调用"节点

2. 选择之前创建的特定MCP工具，例如选择maps_weather和maps_text_search

   

3. 连接工作流节点，让AI模型能够调用这些工具

4. 测试效果：分别提问天气和地点相关问题

   左图：AI调用天气查询工具 | 右图：AI调用地点搜索工具

   

2. 调用整个工具集

FastGPT还支持让AI自动选择合适的工具进行调用：

1. 在工作流中添加"MCP工具集"节点

2. 使用"工具调用"节点连接该工具集

   

3. 此时AI会根据用户问题智能选择合适的工具，获取所需信息后回答问题

五、私有化部署支持

如果您使用的是FastGPT私有化部署版本，需要以下步骤来支持MCP功能：

1. 环境准备

确保您的FastGPT版本升级到v4.9.6或更高版本。

2. 修改docker-compose.yml文件

在您的docker-compose.yml文件中添加fastgpt-mcp-server服务：

fastgpt-mcp-server:container_name: fastgpt-mcp-serverimage: ghcr.io/labring/fastgpt-mcp_server:v4.9.6ports:- 3005:3000networks:- fastgptrestart: alwaysenvironment:- FASTGPT_ENDPOINT=http://fastgpt:3000

3. 修改FastGPT配置

编辑config.json配置文件，添加以下配置（末尾不要携带"/"）：

{"feConfigs": {"lafEnv": "https://laf.dev","mcpServerProxyEndpoint": "https://mcp.您的域名.com" }
}

4. 重启服务

执行以下命令重启服务：

docker-compose down
docker-compose up -d

重启完成后，您就可以在工作台看到MCP服务和MCP工具集选项了。

六、使用MCP-Proxy集成多个MCP服务

在实际应用场景中，我们可能需要使用多个MCP服务，这就需要一个聚合代理来整合这些服务。MCP-Proxy是一个开源工具，它可以将多个MCP资源服务器聚合并通过单一HTTP服务器提供。

1. MCP-Proxy简介

MCP-Proxy具有以下特点：

• 代理多个MCP客户端：连接多个MCP资源服务器并聚合它们的工具和功能
• SSE支持：提供SSE(Server-Sent Events)服务器以实现实时更新
• 灵活配置：支持多种客户端类型(stdio、sse或streamable-http)，可自定义设置

2. 安装MCP-Proxy

有多种方式可以安装MCP-Proxy：

通过Docker安装（推荐）：

docker run -d -p 9090:9090 -v /path/to/config.json:/config/config.json ghcr.io/tbxark/mcp-proxy:latest

从源码构建：

git clone https://github.com/TBXark/mcp-proxy.git
cd mcp-proxy
make build
./build/mcp-proxy --config path/to/config.json

通过Go安装：

go install github.com/TBXark/mcp-proxy@latest

3. 配置MCP-Proxy

创建一个config.json文件，内容如下：

{"mcpProxy": {"baseURL": "https://mcp.example.com:5678","addr": ":9090","name": "MCP Proxy","version": "1.0.0","options": {"panicIfInvalid": false,"logEnabled": true,"authTokens": ["DefaultTokens"]}},"mcpServers": {"github": {"command": "npx","args": ["-y","@modelcontextprotocol/server-github"],"env": {"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"}},"fetch": {"command": "uvx","args": ["mcp-server-fetch"]},"amap": {"url": "https://mcp.amap.com/sse?key=<YOUR_TOKEN>"}}
}

注意：1,为了方便测试，配置文件的authTokens部分可以删除
2,baseURL需要填写外部可以访问的MCP-Proxy的地址（包含端口）（比如使用frpc内网穿透后的外部访问地址），例如https://mcp.example.com:5678

这个配置文件定义了三个MCP服务：

• github：使用@modelcontextprotocol/server-github提供GitHub功能
• fetch：使用mcp-server-fetch提供网络请求功能
• amap：使用高德地图的MCP服务提供位置服务

4. 将MCP-Proxy与FastGPT集成

完成MCP-Proxy配置和部署后，您将得到一个统一的MCP服务地址，例如https://mcp.example.com:5678/{clientName}/sse。这个地址可以直接在FastGPT中使用：

1. 在FastGPT工作台中选择"新建应用"，然后选择"MCP工具集"
2. 在MCP地址框中填入MCP-Proxy的地址，例如https://mcp.example.com:5678/amap/sse、https://mcp.example.com:5678/github/sse或https://mcp.example.com:5678/fetch/sse
3. 点击"解析"，系统会自动解析出该服务提供的所有工具
4. 点击"创建"完成工具集创建

5. 高级配置

MCP-Proxy提供了丰富的高级配置，包括：

• 工具过滤：可以设置允许或阻止特定工具

"options": {"toolFilter": {"mode": "block","list": ["create_or_update_file"]}
}

• 认证令牌：可以为每个服务设置不同的认证令牌

"options": {"authTokens": ["SpecificTokens"]
}

• 多种通信协议：支持stdio、sse和streamable-http三种通信协议

七、最佳实践建议

1. 工具组合：不同类型的MCP工具可以组合使用，例如将地图查询与天气查询结合，为用户提供更全面的信息。

2. 参数调试：在正式使用前，建议对每个工具进行充分测试，了解其参数要求和返回结果格式。

3. 错误处理：在工作流设计中，考虑添加错误处理节点，处理工具调用可能出现的异常情况。

4. 提示词优化：为AI模型提供清晰的指引，说明何时应该调用哪些工具，以及如何解析工具返回的结果。

八、总结

FastGPT的MCP工具集成功能极大地扩展了平台的能力边界，通过统一的MCP协议，使FastGPT能够轻松对接各种外部服务和工具。不管是地图服务、天气查询，还是其他各类API服务，都可以通过MCP协议集成到FastGPT中，让AI模型能够获取实时、准确的外部信息，为用户提供更加智能、全面的服务。

而mcp-proxy的集成使用，则可以让FastGPT平台上的智能体应用，快速接入海量的开源mcp组件，从而实现更加丰富的应用场景。两者结合实现了AI开源生态集成的闭环。

随着越来越多的服务提供商支持MCP协议，FastGPT的MCP工具集将变得更加丰富和强大，为用户带来更多可能性。