Google ADK-Python项目中MCPToolset在Windows平台上的兼容性问题解析
问题背景
在Google ADK-Python项目中,开发者使用MCPToolset.from_server方法连接MCP服务器时,在Windows平台上遇到了严重的兼容性问题。这个问题表现为当尝试通过npx启动ADK代理时,系统会抛出RuntimeError,其根源是Python的asyncio.subprocess模块中的NotImplementedError。
问题现象
当开发者在Windows 11系统上按照官方文档指引,使用Python 3.11至3.13版本运行示例代码时,会遇到以下错误链:
- 首先触发asyncio.base_events中的NotImplementedError
- 进而导致mcp/client/stdio/win32.py中的进程创建失败
- 最终表现为RuntimeError: "error getting root agent"
技术分析
这个问题的核心在于Windows平台上Python的asyncio子进程处理机制存在限制。具体表现为:
-
子进程传输层未实现:Windows平台上asyncio的_make_subprocess_transport方法直接抛出NotImplementedError,这表明底层子进程传输机制在Windows上尚未完全实现。
-
异步上下文管理问题:错误发生在尝试通过async_exit_stack管理MCPToolset的异步上下文时,表明工具集的初始化过程依赖于子进程创建。
-
版本兼容性:该问题在Python 3.11至3.13版本中均存在,说明这不是某个特定版本的回归问题,而是Windows平台上的长期限制。
解决方案演进
项目团队已经针对此问题进行了架构调整:
-
API简化:移除了显式的exit_stack管理需求,简化了工具集的使用方式。
-
直接集成方式:推荐开发者直接将MCPToolset作为工具列表的一部分传递给LlmAgent,而不是单独初始化。
-
路径处理改进:强调必须使用绝对路径,并推荐使用os.path.abspath动态构建路径。
最佳实践建议
对于需要在Windows平台上使用ADK-Python项目的开发者,建议采用以下方式:
from google.adk.agents.llm_agent import LlmAgent
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset, StdioServerParameters
import os
# 定义目标文件夹路径
TARGET_FOLDER_PATH = "your/relative/path" # 替换为实际路径
root_agent = LlmAgent(
model='gemini-2.0-flash',
name='filesystem_assistant_agent',
instruction='帮助用户管理他们的文件。您可以列出文件、读取文件等。',
tools=[
MCPToolset(
connection_params=StdioServerParameters(
command='npx',
args=[
"-y",
"@modelcontextprotocol/server-filesystem",
os.path.abspath(TARGET_FOLDER_PATH),
],
)
)
],
)
注意事项
-
路径规范:必须使用绝对路径,且确保npx进程有权限访问该路径。
-
版本选择:建议从源码安装或等待1.10及以上版本发布,因为1.0版本仍存在一些问题。
-
工具过滤:可通过tool_filter参数选择性暴露MCP服务器提供的工具,增强安全性。
总结
Windows平台上Python异步子进程处理的特殊性导致了ADK-Python项目中MCP工具集的初始化问题。项目团队通过简化API设计和改变使用模式解决了这一兼容性问题。开发者应遵循最新的使用规范,避免直接使用已被弃用的from_server方法,转而采用将MCPToolset直接集成到LlmAgent工具列表中的方式。这种调整不仅解决了Windows兼容性问题,还简化了代码结构,提高了易用性。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









