LangGraph Agent with MCP

MCP を使用した LangGraph エージェント

このプロジェクトは、Model Context Protocol（MCP）を LangGraph エージェントに効率よく統合し、外部ツール、データソース、API に動的にアクセスできるようにするものです。

このプロジェクトを使用すると、LangGraph エージェントを MCP サーバーに接続し、あらかじめ定義されたツールを使ってウェブ検索や YouTube 動画の要約など、さまざまなタスクを実行できます。また、必要に応じてサーバーを追加できます。

この統合により、ツールの自動検出とマルチサーバー対応が可能になり、AI システムのモジュール性と能力が向上します。AI システムがツールを自動的に見つけて複数のサーバーに接続できるため、柔軟性と効率性が高まります。

MCP とは何か、なぜ重要なのか？

Model Context Protocol（MCP）は、AI アプリケーションが外部データ、ツール、API とやり取りするための構造化された方法を提供するオープン標準です。MCP は、ツールごとにカスタム統合を用意することなく、LLM を外部データソースに動的に接続するという課題に対処するため、Anthropic によって開発されました。

MCP が重要なのは、AI システムによるデータの共有とアクセスを容易にし、異なるツール間の障壁を取り除くためです。これにより、AI の接続性と効率性が高まります。また、開発者は、多種多様なツールと連携し、容易に拡張できる、よりスマートな AI システムを構築できます。

プロジェクト構成

langgraph_mcp/
│-- agent.py  
│-- servers/
│   ├── tavily.py          
│   ├── yt_transcript.py   
│   ├── math_server.py 
│   ├──weather.py
│-- .env          
│-- requirements.txt   

インストール

1. リポジトリをクローンします：

git clone https://github.com/your-repo/langgraph-mcp.git
cd langgraph-mcp

2. 依存関係をインストールします

pip install -r requirements.txt

3. .env ファイルを作成し、次の内容を追加します：

TAVILY_API_KEY=<your-tavily-api-key>
OPENAI_API_KEY=<your-openai-api-key>

仕組み

開始するには、ターミナルで servers/server.py を実行します。これにより、MCP サーバーが起動します。次に、新しいターミナルで agent.py を実行します。デモに示すように、エージェントは MCP クライアント経由でサーバーに接続し、クエリを実行します。

https://github.com/user-attachments/assets/c65255a1-62af-4711-8f10-ebfdacd9b3c6