【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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
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
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355