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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430