在smolagents项目中正确使用MCP工具服务的注意事项
2025-05-12 20:55:43作者:翟江哲Frasier
背景介绍
smolagents是一个基于Python的智能代理框架,它支持通过Model Context Protocol(MCP)来集成外部工具服务。MCP是一种允许AI代理动态发现和使用外部工具的协议机制。在实际开发中,开发者可能会遇到"Event loop is closed"这样的运行时错误,这通常是由于对MCP工具服务的使用方式不当造成的。
问题现象
当开发者尝试在smolagents中使用MCP工具服务时,可能会遇到以下错误:
RuntimeError: Event loop is closed
这个错误通常发生在代理尝试调用MCP工具时,尽管MCP服务器已经成功启动并接收到了请求。
根本原因分析
经过技术专家的深入调查,发现问题出在代码结构上。开发者通常会有这样的误解:认为只需要在初始化工具集合时使用上下文管理器(with语句),而实际执行代理任务时可以脱离这个上下文。这种理解是错误的。
MCP工具服务的生命周期必须完全包含在上下文管理器内部,因为:
- 上下文管理器负责启动和停止MCP服务器进程
- 工具的实际调用依赖于这个服务器进程
- 一旦离开上下文管理器,服务器进程就会被终止
正确使用模式
正确的代码结构应该如下所示:
server_parameters = StdioServerParameters(
command="uvx",
args=["mcp-server-time"],
env={"UV_PYTHON": "3.12", **os.environ},
)
# 所有MCP工具相关的操作都必须在上下文管理器内部
with ToolCollection.from_mcp(server_parameters) as tool_collection:
agent = CodeAgent(
tools=[*tool_collection.tools],
model=model,
prompt_templates=code_prompt_templates,
additional_authorized_imports=["time", "numpy", "pandas", "json"],
)
# 关键点:代理的执行也必须放在上下文管理器内部
response = agent.run(
task="Answer the user request with the tools you have. User input is: What is the time in Berlin?"
)
技术原理深入
MCP工具服务的工作流程可以分为几个关键阶段:
- 服务启动阶段:通过上下文管理器的
__enter__方法启动MCP服务器进程 - 工具发现阶段:代理通过MCP协议发现可用的工具列表
- 工具调用阶段:代理实际调用工具时,会通过MCP客户端与服务器通信
- 服务终止阶段:上下文管理器的
__exit__方法会关闭服务器进程
如果在工具调用阶段服务器进程已经终止(因为离开了上下文管理器),自然就会产生"Event loop is closed"的错误。
最佳实践建议
- 生命周期管理:确保所有使用MCP工具的操作都在同一个上下文管理器内部完成
- 错误处理:在上下文管理器内部添加适当的错误处理逻辑
- 资源清理:即使发生异常,也要确保服务器进程能够正常终止
- 性能考虑:频繁创建和销毁MCP服务器可能会有性能开销,对于需要重复使用的服务可以考虑长期运行的服务器模式
扩展思考
这种设计模式在分布式系统中很常见,类似于gRPC服务的生命周期管理。理解这种模式有助于开发者更好地设计和使用各种需要进程间通信的工具服务。
通过遵循这些原则,开发者可以避免常见的运行时错误,确保MCP工具服务在smolagents框架中稳定可靠地工作。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python02
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
Launch4j中文版:Java应用程序打包成EXE的终极解决方案 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
291
2.61 K
deepin linux kernel
C
24
7
React Native鸿蒙化仓库
JavaScript
227
306
Ascend Extension for PyTorch
Python
116
149
暂无简介
Dart
578
127
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
605
182
仓颉编译器源码及 cjdb 调试工具。
C++
121
309
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.04 K
610
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
46
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
358
2.15 K