Phidata项目中MCPTool工具包含问题的分析与修复
2025-05-07 09:34:34作者:吴年前Myrtle
问题背景
在Phidata项目的1.4.2版本中,开发人员发现当使用MCPTool工具集时,如果尝试通过include_tools参数指定要包含的工具,会导致系统抛出异常。这个问题主要出现在使用MCPStdioParams配置工具集时,特别是当用户希望从可用工具列表中筛选特定工具时。
问题现象
当开发人员按照以下方式配置MCPTool时:
server_params = MCPStdioParams(
command="docker",
args=[
"run",
"-i",
"--rm",
"--mount",
f"type=bind,src={tmp_path},dst=/projects",
"mcp/filesystem",
"/projects",
],
tools=[
"write_file",
"read_file"
],
)
MCPTools(
command=server_params,
include_tools=["write_file"],
env={**os.environ},
)
系统会抛出ValueError异常,提示"write_file"工具不存在于工具包中,而实际上这个工具确实已经在参数中明确定义了。
技术分析
根本原因
经过深入分析,发现问题出在MCPTools类的初始化过程中。当MCPTools调用父类的__init__方法时,没有正确传递tools参数。具体表现为:
- MCPTools类在初始化时调用了父类的构造函数
- 父类构造函数接收
include_tools参数,用于检查指定的工具是否存在于可用工具列表中 - 但由于
tools参数没有被传递,父类构造函数中的可用工具列表为空 - 因此,任何在
include_tools中指定的工具都会被判定为不存在
影响范围
这个问题影响了所有需要使用MCPTool工具集并希望筛选特定工具的场景。特别是在以下情况下尤为明显:
- 当工具集中包含多个工具但只需要使用其中一部分时
- 当开发人员希望动态控制可用工具列表时
- 在自动化测试环境中需要精确控制工具可用性时
解决方案
修复方法
正确的实现应该是在MCPTools类的初始化过程中,将tools参数从server_params中提取出来并传递给父类构造函数。具体修改应包括:
- 从server_params中获取已定义的工具列表
- 在调用父类构造函数时,同时传递
tools参数和include_tools参数 - 确保工具可用性检查基于实际定义的工具列表
验证方法
为了验证修复效果,可以编写单元测试用例,模拟以下场景:
- 定义包含多个工具的工具集
- 尝试通过
include_tools筛选部分工具 - 验证工具集是否只包含指定的工具
- 验证当指定不存在的工具时是否抛出正确异常
最佳实践建议
在使用Phidata的MCPTool工具集时,建议开发人员注意以下几点:
- 始终明确指定工具列表,即使使用
include_tools参数 - 在复杂配置场景下,先验证工具集的可用性
- 考虑编写单元测试来验证工具筛选逻辑
- 当升级Phidata版本时,特别注意工具集相关功能的变更
总结
这个问题的修复不仅解决了工具筛选功能的基本可用性问题,也为开发人员提供了更可靠的工具管理能力。通过正确处理工具参数的传递,确保了MCPTool工具集在各种使用场景下的稳定性和一致性。对于依赖Phidata进行开发的项目来说,理解并正确使用工具筛选功能将大大提高开发效率和系统可靠性。
登录后查看全文
热门项目推荐
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 StartedRust0190
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 Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
762
4.95 K
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
1.79 K
190
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
717
867
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++
855
1.91 K
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++
1.07 K
1.09 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.73 K
1.02 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++
675
1.32 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
455
438