【免费下载】 langchain-mcp-adapters：无缝对接MCP工具与LangChain能力

项目介绍

在人工智能和自然语言处理领域，工具的整合与适配是提升应用效能的关键。langchain-mcp-adapters 项目为此而生，它提供了一个轻量级的封装器，使得 Anthropic Model Context Protocol (MCP) 工具能够与 LangChain 和 LangGraph 无缝集成。这种集成不仅简化了开发流程，还提升了智能Agent的响应速度和准确性。

项目技术分析

langchain-mcp-adapters 的核心是封装 MCP 工具，使其可以被 LangChain 中的工具系统识别和使用。LangChain 是一个强大的自然语言处理框架，它允许开发者构建复杂的对话系统。LangGraph 则是一个基于图的推理引擎，可以优化 Agent 的决策过程。

项目的主要技术特点包括：

1. 工具转换：将 MCP 工具转换成 LangChain 工具，以便在 LangGraph Agent 中使用。
2. 客户端实现：支持连接到多个 MCP 服务器，并从这些服务器加载工具。

项目及技术应用场景

langchain-mcp-adapters 的应用场景广泛，特别是在需要集成多种工具来处理复杂任务时。以下是一些典型的应用场景：

• 对话系统：在构建对话系统时，可能需要接入各种API和服务，如计算器、天气查询等。使用 langchain-mcp-adapters 可以轻松集成这些服务，提高对话系统的智能化水平。
• 数据分析：在处理复杂数据分析任务时，可能需要调用不同的数据处理工具。langchain-mcp-adapters 可以帮助开发者快速集成这些工具，提高数据处理效率。
• 智能Agent：在构建智能Agent时，通过集成多种工具，可以丰富Agent的能力，使其能够处理更多样化的任务。

项目特点

langchain-mcp-adapters 的特点如下：

• 轻量级封装：项目提供的封装器轻量且易于使用，不会给现有系统带来额外的负担。
• 高度可扩展：支持连接到多个 MCP 服务器，开发者可以根据需要加载不同的工具。
• 灵活性强：通过简单的配置，开发者可以快速集成新的工具和服务。

安装与快速入门

安装 langchain-mcp-adapters 非常简单，只需使用 pip 命令：

pip install langchain-mcp-adapters

然后，您可以通过以下示例代码快速开始使用 MCP 工具：

# 服务器端代码示例
# math_server.py
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Math")

@mcp.tool()
def add(a: int, b: int) -> int:
    """加两个数"""
    return a + b

@mcp.tool()
def multiply(a: int, b: int) -> int:
    """乘两个数"""
    return a * b

if __name__ == "__main__":
    mcp.run()

# 客户端代码示例
# 客户端代码用于连接服务器，并使用工具
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

from langchain_mcp_adapters.tools import load_mcp_tools
from langgraph.prebuilt import create_react_agent

# 这里假设已经安装了 langchain-openai 和其他必要的库
from langchain_openai import ChatOpenAI
model = ChatOpenAI(model="gpt-4o")

# 创建服务器参数
server_params = StdioServerParameters(
    command="python",
    args=["/path/to/math_server.py"],
)

# 连接到服务器并使用工具
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)
        agent = create_react_agent(model, tools)
        agent_response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})

通过以上介绍，我们可以看到 langchain-mcp-adapters 是一个功能强大、易于使用的项目，它可以帮助开发者快速集成 MCP 工具，提升智能Agent的能力。无论您是在构建对话系统、数据分析应用还是智能Agent，langchain-mcp-adapters 都能为您提供便捷的工具集成解决方案。