当前位置：首页 > news >正文

LangGraph框架中针对MCP协议的变更-20250510

news 2025/5/14 7:48:48

MCP（Model Context Protocol）的出现为AI Agent与外部工具及数据源的集成提供了标准化接口，而LangGraph作为基于LangChain的智能体开发框架，在MCP协议的影响下也进行了适配性调整，主要体现在工具调用、异步交互和多步推理的优化上。以下结合实例详细说明相关变更及关联内容：

一、LangGraph对MCP协议的核心适配

工具动态加载与MCP集成
LangGraph新增了对MCP工具的自动加载功能，通过langchain_mcp_adapters库实现与MCP服务器的无缝对接。开发者只需通过load_mcp_tools函数加载MCP会话中的工具列表，即可让Agent动态调用远程或本地工具。例如，在数学计算场景中，Agent可调用MCP服务器提供的add和multiply工具。
示例代码：
```
async with ClientSession(read, write) as session:tools = await load_mcp_tools(session)  # 动态加载MCP工具agent = create_react_agent(model, tools)  # 创建支持MCP工具的Agent
```
异步会话管理与MCP通信
MCP协议基于客户端-服务器架构，依赖异步通信（如HTTP/WebSocket）。LangGraph为此优化了异步任务处理机制，通过asyncio支持与MCP服务器的长时会话。例如，客户端通过stdio_client建立连接后，利用异步上下文管理器维护会话状态。
多步推理与工具链调用
LangGraph的create_react_agent结合MCP工具，能够自动分解复杂任务为多步操作。例如，在问题“计算(3+5)×12”中，Agent会先调用add工具得到中间结果8，再调用multiply工具完成最终计算。
执行流程：
- 步骤1：调用add(a=3, b=5) → 返回8。
- 步骤2：调用multiply(a=8, b=12) → 返回96。

二、LangGraph与MCP结合的典型实例

以下以数学计算场景为例，展示LangGraph如何通过MCP协议调用工具：

MCP服务器端定义工具
创建math_server.py，声明add和multiply函数为MCP工具：

from mcp.server.fastmcp import FastMCP
mcp = FastMCP("Math")
@mcp.tool()
def add(a: int, b: int) -> int:return a + b
@mcp.tool()
def multiply(a: int, b: int) -> int:return a * b
if __name__ == "__main__":mcp.run(transport="stdio")

LangGraph客户端调用流程
客户端通过异步任务连接MCP服务器，并运行Agent：

from mcp.client.stdio import stdio_client
from langgraph.prebuilt import create_react_agent
async def run_agent():async with stdio_client(server_params) as (read, write):async with ClientSession(read, write) as session:tools = await load_mcp_tools(session)agent = create_react_agent(model, tools)response = await agent.ainvoke({"messages": "计算(3+5)×12"})

输出结果示例
Agent的响应包含分步工具调用和最终结果：

{"messages": [{"content": "计算(3+5)×12"},{"tool_calls": [{"function": "add", "args": {"a":3, "b":5}}]},{"tool_calls": [{"function": "multiply", "args": {"a":8, "b":12}}]},{"content": "结果为96"}]
}

三、LangGraph框架的扩展性优化

支持多种传输协议
LangGraph的MCP适配器不仅支持stdio本地通信，还可扩展至HTTP/SSE（Server-Sent Events），满足企业级高并发需求。例如，阿里云Hologres通过SSE模式实现与MCP服务器的解耦部署。
与知识管理组件的结合
LangGraph的记忆管理模块（如RAG技术）可与MCP工具联动。例如，在故障诊断场景中，Agent通过MCP调用日志查询工具，并结合向量数据库检索历史案例，生成修复方案。