Mcp Langchain Server について
Mcp Langchain Serverは、Flask、LangChain、Ollamaを使うローカルプロジェクトです。APIでMCP形式のactionとparamsを受け取り、ローカルLLMに渡して応答を生成します。
主な機能
- 01Flask APIでactionとparamsを受付
- 02LangChainによるactionの解釈と振り分け
- 03Ollama経由でローカルLLMを使用
- 04ローカルでの実行
活用シーン
- 01APIのactionをアプリケーション処理に振り分け
- 02ローカルOllamaモデルで回答を生成
- 03mcp_agent.pyのタスク関数を拡張
MCP 対応
{ action, params }を受け付けるMCP形式のFlask APIを提供します。READMEには標準MCPプロトコルの実装について記載がありません。
設定
ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。
このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。
ツール
ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。
詳細
MCP 形式の LangChain + Ollama Python プロジェクトの機能:
完全無料でローカルに実行できます
Flask API を介して MCP 形式の { action, params } を受け付けます
回答を得るためにローカル LLM(Ollama 経由)にルーティングします
ファイル:
app.py ← Flask API(MCP 形式のサーバー)
│
├── app.py ← Flask API(MCP 形式のサーバー)-> Flask ウェブサーバー
├── mcp_agent.py ← LangChain のロジック:アクションを解釈します -> LangChain エージェント
├── requirements.txt ← Python の依存関係
└── README.md ← プロジェクトの概要
MCP ベースの LangChain サーバー
LangChain エージェントは正しいアクションを受け取りました
mcp_agent.py のロジックを使って実行しました
正しい時刻を Postman に返しました
次のステップ: ほかのアクション値でテストする
mcp_agent.py に新しい関数を追加する
またはフロントエンドと統合する
よりインテリジェントなタスクを追加したり、UI に接続したりしましょう!
Llama モデル
https://ollama.com/library をご覧ください
小規模なプロジェクトでは -> pip と requirements.txt 、PyCharm IDE
大規模なプロジェクトでは -> uv + ruff をお試しください。今後 Python を使ううえで優れたセットアップです。Zed IDE もお試しください。
Ruff は、Python エコシステム向けに Rust で書かれた高性能なリンター兼フォーマッターです。
https://docs.astral.sh/uv/guides/scripts/#creating-a-python-script
uv init
uv add ...
gemma:2b を実行する
ollama run gemma:2b
gemma:2b が使用する RAM はわずか約 2~3 GB です。
mistral を実行する
ollama run mistral
mistral に必要な RAM は約 4 GB のみで、一般的なタスクでも十分に高い性能を発揮します。
llama3 を実行する
ollama run llama3
Ollama は llama3 などのモデルを、メモリ上で完全にお使いのマシン上で実行します。
最適化されているとはいえ、LLaMA 3 には少なくとも約 6 GB の空き RAM が必要で、できればそれ以上が望ましいです(システム RAM は合計 8~12 GB を推奨します)。
ダウンロード済みモデルを一覧表示する:
ollama list
ほかのモデルを取得する:
ollama pull mistral
ollama pull codellama
実行中のモデルを停止する:
ollama stop
MCP サーバーを起動する:
python app.py
コミュニティモジュールを含む最新の LangChain をインストールする必要があります。具体的には、以下を実行します。
pip install langchain-community
推奨される完全なセットアップ(安全のため):
LangChain を Ollama と一緒に使用する場合は、以下がインストールされていることを確認してください。
pip install langchain langchain-community langchain-core langchainhub
pip install ollama
gemma:2b 、llama3 には知識の期限があります
静的な知識:これらのモデルは、ある時点までに利用可能だったデータ(多くのモデルでは、たとえば 2023 年半ばまでのデータ)を使ってトレーニングされています。
トレーニングの期限以降に起きたことは知りません。
LangChain/Ollama の構成で最新ニュースを扱いたい場合
ローカルモデルを次のものと組み合わせることができます:
RAG(検索拡張生成)。NewsAPI や Google ニュースなどの API を使って最新ニュースを取得します。
次に、その情報をコンテキストとして LLM に渡し、要約させたり、それに基づいて回答させたりします。
ローカルの Ollama モデルを使った LangChain + News API の統合。
コメント
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。