【亲测免费】 LangChain MCP Adapters 安装与配置指南
2026-01-30 04:56:21作者:翟萌耘Ralph
1. 项目基础介绍
LangChain MCP Adapters 是一个开源项目,它提供了一个轻量级的包装器,使得 Anthropic Model Context Protocol (MCP) 工具能够与 LangChain 和 LangGraph 兼容使用。此项目主要用于将MCP工具转换为LangChain工具,并且可以连接到多个MCP服务器并从中加载工具。
主要编程语言:Python
2. 项目使用的关键技术和框架
- MCP (Model Context Protocol): 一种用于定义和访问模型上下文的协议。
- LangChain: 一个用于构建基于语言模型的应用程序的工具链。
- LangGraph: 一个用于创建和运行智能代理的框架。
- FastMCP: 用于实现MCP服务器的库。
3. 项目安装和配置的准备工作与详细步骤
准备工作
- 确保你的系统中已经安装了Python,建议使用Python 3.x版本。
- 安装pip,Python的包管理器,用于安装项目所需的依赖。
安装步骤
步骤 1: 克隆项目仓库
首先,需要从GitHub上克隆项目仓库到本地环境。
git clone https://github.com/langchain-ai/langchain-mcp-adapters.git
步骤 2: 安装依赖
进入项目目录,使用pip安装项目所需的依赖。
cd langchain-mcp-adapters
pip install -r requirements.txt
步骤 3: 配置MCP服务器
根据项目需求,你可能需要创建自己的MCP服务器。以下是一个简单的MCP服务器示例,它提供了加法和乘法工具。
# math_server.py
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("Math")
@mcp.tool()
def add(a: int, b: int) -> int:
"""Add two numbers"""
return a + b
@mcp.tool()
def multiply(a: int, b: int) -> int:
"""Multiply two numbers"""
return a * b
if __name__ == "__main__":
mcp.run(transport="stdio")
运行这个服务器,它将在标准输入输出上监听。
步骤 4: 配置客户端连接到MCP服务器
在客户端代码中,你需要配置连接到MCP服务器的参数,并创建一个会话。
from mcp.client.stdio import stdio_client
from mcp import ClientSession, StdioServerParameters
from langchain_mcp_adapters.tools import load_mcp_tools
# 创建服务器参数
server_params = StdioServerParameters(
command="python",
args=["/path/to/math_server.py"],
transport="stdio"
)
# 连接到服务器
async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
tools = await load_mcp_tools(session)
确保将 /path/to/math_server.py 替换为你的MCP服务器脚本的实际路径。
以上步骤为LangChain MCP Adapters的基础安装和配置流程。在实际使用中,你可能需要进一步配置和自定义以满足特定需求。
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 StartedRust0218
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 Notebook0139
uni-appA cross-platform framework using Vue.jsJavaScript09
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
热门内容推荐
最新内容推荐
项目优选
收起
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
471
465
deepin linux kernel
C
32
16
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
2.09 K
218
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++
700
1.4 K
暂无描述
Dockerfile
780
5.08 K
Ascend Extension for PyTorch
Python
758
968
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
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++
880
2.03 K
MindQuantum is a general software library supporting the development of applications for quantum computation.
Python
183
111
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
1.11 K
682