在smolagents项目中正确使用MCP工具服务的注意事项
2025-05-12 02:13:34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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253