Open Source MCP CLient Library

オープンソース MCP クライアントライブラリ

🌐 MCP-Use は、クローズドソースのアプリケーションクライアントを使わずに、あらゆる LLM を MCP ツールに接続し、ツールにアクセスできるカスタムエージェントを構築するためのオープンソースの方法です。

💡 開発者が、ウェブ閲覧やファイル操作などのツールに、あらゆる LLM を簡単に接続できるようにします。

機能

✨ 主な機能

機能	説明
🔄 使いやすさ	MCP 対応エージェントを作成するのに必要なコードは、わずか 6 行です
🤖 LLM の柔軟性	ツール呼び出しに対応する、LangChain がサポートするあらゆる LLM（OpenAI、Anthropic、Groq、LLama など）で動作します
🌐 HTTP サポート	特定の HTTP ポートで稼働する MCP サーバーに直接接続できます
🧩 マルチサーバーサポート	1 つのエージェントで複数の MCP サーバーを同時に使用できます
🛡️ ツールの制限	ファイルシステムやネットワークへのアクセスなど、危険性のあるツールを制限できます

クイックスタート

pip を使用する場合：

pip install mcp-use

ソースからインストールする場合：

git clone https://github.com/pietrozullo/mcp-use.git
cd mcp-use
pip install -e .

LangChain プロバイダーのインストール

mcp_use は LangChain を通じてさまざまな LLM プロバイダーに対応しています。使用する LLM に応じた LangChain プロバイダーパッケージをインストールしてください。例：

# For OpenAI
pip install langchain-openai

# For Anthropic
pip install langchain-anthropic

# For other providers, check the [LangChain chat models documentation](https://python.langchain.com/docs/integrations/chat/)

使用するプロバイダーの API キーを .env ファイルに追加します。

OPENAI_API_KEY=
ANTHROPIC_API_KEY=

重要：mcp_use で使用できるのは、ツール呼び出し機能に対応したモデルのみです。選択したモデルが関数呼び出しまたはツールの使用に対応していることを確認してください。

エージェントを起動する：

import asyncio
import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from mcp_use import MCPAgent, MCPClient

async def main():
    # Load environment variables
    load_dotenv()

    # Create configuration dictionary
    config = {
      "mcpServers": {
        "playwright": {
          "command": "npx",
          "args": ["@playwright/mcp@latest"],
          "env": {
            "DISPLAY": ":1"
          }
        }
      }
    }

    # Create MCPClient from configuration dictionary
    client = MCPClient.from_dict(config)

    # Create LLM
    llm = ChatOpenAI(model="gpt-4o")

    # Create agent with the client
    agent = MCPAgent(llm=llm, client=client, max_steps=30)

    # Run the query
    result = await agent.run(
        "Find the best restaurant in San Francisco",
    )
    print(f"\nResult: {result}")

if __name__ == "__main__":
    asyncio.run(main())

次のように、設定ファイルからサーバー設定を読み込むこともできます：

client = MCPClient.from_config_file(
        os.path.join("browser_mcp.json")
    )

設定ファイルの例（browser_mcp.json）：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"],
      "env": {
        "DISPLAY": ":1"
      }
    }
  }
}

その他の設定やモデルなどについては、ドキュメントをご覧ください。

使用例

Playwright によるウェブ閲覧

import asyncio
import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from mcp_use import MCPAgent, MCPClient

async def main():
    # Load environment variables
    load_dotenv()

    # Create MCPClient from config file
    client = MCPClient.from_config_file(
        os.path.join(os.path.dirname(__file__), "browser_mcp.json")
    )

    # Create LLM
    llm = ChatOpenAI(model="gpt-4o")
    # Alternative models:
    # llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")
    # llm = ChatGroq(model="llama3-8b-8192")

    # Create agent with the client
    agent = MCPAgent(llm=llm, client=client, max_steps=30)

    # Run the query
    result = await agent.run(
        "Find the best restaurant in San Francisco USING GOOGLE SEARCH",
        max_steps=30,
    )
    print(f"\nResult: {result}")

if __name__ == "__main__":
    asyncio.run(main())

Airbnb の検索

import asyncio
import os
from dotenv import load_dotenv
from langchain_anthropic import ChatAnthropic
from mcp_use import MCPAgent, MCPClient

async def run_airbnb_example():
    # Load environment variables
    load_dotenv()

    # Create MCPClient with Airbnb configuration
    client = MCPClient.from_config_file(
        os.path.join(os.path.dirname(__file__), "airbnb_mcp.json")
    )

    # Create LLM - you can choose between different models
    llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")

    # Create agent with the client
    agent = MCPAgent(llm=llm, client=client, max_steps=30)

    try:
        # Run a query to search for accommodations
        result = await agent.run(
            "Find me a nice place to stay in Barcelona for 2 adults "
            "for a week in August. I prefer places with a pool and "
            "good reviews. Show me the top 3 options.",
            max_steps=30,
        )
        print(f"\nResult: {result}")
    finally:
        # Ensure we clean up resources properly
        if client.sessions:
            await client.close_all_sessions()

if __name__ == "__main__":
    asyncio.run(run_airbnb_example())

設定ファイルの例（airbnb_mcp.json）：

{
  "mcpServers": {
    "airbnb": {
      "command": "npx",
      "args": ["-y", "@openbnb/mcp-server-airbnb"]
    }
  }
}

Blender による 3D 制作

import asyncio
from dotenv import load_dotenv
from langchain_anthropic import ChatAnthropic
from mcp_use import MCPAgent, MCPClient

async def run_blender_example():
    # Load environment variables
    load_dotenv()

    # Create MCPClient with Blender MCP configuration
    config = {"mcpServers": {"blender": {"command": "uvx", "args": ["blender-mcp"]}}}
    client = MCPClient.from_dict(config)

    # Create LLM
    llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")

    # Create agent with the client
    agent = MCPAgent(llm=llm, client=client, max_steps=30)

    try:
        # Run the query
        result = await agent.run(
            "Create an inflatable cube with soft material and a plane as ground.",
            max_steps=30,
        )
        print(f"\nResult: {result}")
    finally:
        # Ensure we clean up resources properly
        if client.sessions:
            await client.close_all_sessions()

if __name__ == "__main__":
    asyncio.run(run_blender_example())

設定ファイルのサポート

MCP-Use は設定ファイルからの初期化に対応しているため、さまざまな MCP サーバーの構成を簡単に管理し、切り替えられます：

import asyncio
from mcp_use import create_session_from_config

async def main():
    # Create an MCP session from a config file
    session = create_session_from_config("mcp-config.json")

    # Initialize the session
    await session.initialize()

    # Use the session...

    # Disconnect when done
    await session.disconnect()

if __name__ == "__main__":
    asyncio.run(main())

HTTP 接続の例

MCP-Use は HTTP 接続に対応しており、特定の HTTP ポートで稼働する MCP サーバーに接続できます。この機能は、ウェブベースの MCP サーバーとの連携に特に便利です。

HTTP 接続機能の使用例を示します：

import asyncio
import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from mcp_use import MCPAgent, MCPClient

async def main():
    """Run the example using a configuration file."""
    # Load environment variables
    load_dotenv()

    config = {
        "mcpServers": {
            "http": {
                "url": "http://localhost:8931/sse"
            }
        }
    }

    # Create MCPClient from config file
    client = MCPClient.from_dict(config)

    # Create LLM
    llm = ChatOpenAI(model="gpt-4o")

    # Create agent with the client
    agent = MCPAgent(llm=llm, client=client, max_steps=30)

    # Run the query
    result = await agent.run(
        "Find the best restaurant in San Francisco USING GOOGLE SEARCH",
        max_steps=30,
    )
    print(f"\nResult: {result}")

if __name__ == "__main__":
    # Run the appropriate example
    asyncio.run(main())

この例では、特定の HTTP ポートで稼働する MCP サーバーへの接続方法を示します。この例を実行する前に、MCP サーバーを起動してください。

マルチサーバーサポート

MCP-Use は複数の MCP サーバーを同時に利用できるため、異なるサーバーのツールを 1 つのエージェントに組み合わせられます。ウェブ閲覧とファイル操作、または 3D モデリングを組み合わせるなど、複数の機能を必要とする複雑なタスクに便利です。

設定

設定ファイルで複数のサーバーを構成できます：

{
  "mcpServers": {
    "airbnb": {
      "command": "npx",
      "args": ["-y", "@openbnb/mcp-server-airbnb", "--ignore-robots-txt"]
    },
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"],
      "env": {
        "DISPLAY": ":1"
      }
    }
  }
}

使用方法

MCPClient クラスには、複数のサーバーを管理するためのメソッドがいくつか用意されています：

import asyncio
from mcp_use import MCPClient, MCPAgent
from langchain_anthropic import ChatAnthropic

async def main():
    # Create client with multiple servers
    client = MCPClient.from_config_file("multi_server_config.json")

    # Create agent with the client
    agent = MCPAgent(
        llm=ChatAnthropic(model="claude-3-5-sonnet-20240620"),
        client=client
    )

    try:
        # Run a query that uses tools from multiple servers
        result = await agent.run(
            "Search for a nice place to stay in Barcelona on Airbnb, "
            "then use Google to find nearby restaurants and attractions."
        )
        print(result)
    finally:
        # Clean up all sessions
        await client.close_all_sessions()

if __name__ == "__main__":
    asyncio.run(main())

ツールアクセス制御

MCP-Use では、エージェントが利用できるツールを制限して、エージェントの機能に対するセキュリティと制御を強化できます。

import asyncio
from mcp_use import MCPAgent, MCPClient
from langchain_openai import ChatOpenAI

async def main():
    # Create client
    client = MCPClient.from_config_file("config.json")

    # Create agent with restricted tools
    agent = MCPAgent(
        llm=ChatOpenAI(model="gpt-4"),
        client=client,
        disallowed_tools=["file_system", "network"]  # Restrict potentially dangerous tools
    )

    # Run a query with restricted tool access
    result = await agent.run(
        "Find the best restaurant in San Francisco"
    )
    print(result)

    # Clean up
    await client.close_all_sessions()

if __name__ == "__main__":
    asyncio.run(main())

ロードマップ

• [x] 複数のサーバーを同時に使用
• [x] リモートコネクターのテスト（http、ws）
• [ ] ...

コントリビューション

コントリビューションを歓迎します！バグや機能リクエストがあれば、お気軽に issue を作成してください。

要件

• Python 3.11+
• MCP の実装（Playwright MCP など）
• LangChain と適切なモデルライブラリ（OpenAI、Anthropic など）

引用

研究やプロジェクトで MCP-Use を使用する場合は、以下の形式で引用してください。

@software{mcp_use2025,
  author = {Zullo, Pietro},
  title = {MCP-Use: MCP Library for Python},
  year = {2025},
  publisher = {GitHub},
  url = {https://github.com/pietrozullo/mcp-use}
}

ライセンス

MIT