Unified MCP Client Library for TypeScript

English|简体中文

适用于 TypeScript 的统一 MCP 客户端库

🌐 Easy-MCP-Use 是一个开源 TypeScript 库，可连接任意大模型与任意 MCP 服务，并构建能够使用工具的自定义 Agent，无需使用闭源客户端或应用客户端。

💡 让开发者能够轻松连接任意大模型与网页浏览、文件操作等工具，并提供完整的 TypeScript 支持。

功能

✨ 主要功能

功能	描述
🔄 易于使用	只需 6 行 TypeScript 代码，即可创建第一个支持 MCP 的 Agent
🤖 大模型灵活性	可与任何受 LangChain 支持且支持工具调用的大模型配合使用（OpenAI、Anthropic、Groq、LLama 等）
🌐 HTTP 支持	直接连接到运行在指定 HTTP 端口上的 MCP 服务
⚙️ 动态服务选择	TODO Agent 可从可用服务池中动态选择最适合特定任务的 MCP 服务
🧩 多服务支持	TODO 在单个 Agent 中同时使用多个 MCP 服务
🛡️ 工具限制	TODO 限制文件系统或网络访问等可能有危险的工具
📝 类型安全	TODO 为所有 API 和配置提供完整的 TypeScript 类型定义

快速开始

使用 npm：

npm install easy-mcp-use

或从源码安装：

git clone https://github.com/dforel/easy-mcp-use.git
cd easy-mcp-use
npm install
npm run build

安装 LangChain 提供方

easy-mcp-use 通过 LangChain 支持多种大模型提供方。你需要为所选的大模型安装相应的 LangChain 提供方包。例如：

# For OpenAI
npm install @langchain/openai

# For Anthropic
npm install @langchain/anthropic

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

并将要使用的提供方 API 密钥添加到 .env 文件中。

OPENAI_API_KEY=
ANTHROPIC_API_KEY=

重要提示：easy-mcp-use 只能使用支持工具调用的模型。请确保所选模型支持函数调用或工具使用。

启动 Agent：

import { MCPClient } from 'easy-mcp-use';
import { MCPAgent, MCPAgentOptions } from 'easy-mcp-use';
import { ChatOpenAI } from '@langchain/openai';
import dotenv from 'dotenv';
dotenv.config();
 

const openAIApiKey = process.env.openRouteApiKey; 

if (!openAIApiKey) {
  throw new Error("openAIApiKey environment variable is not set");
}
console.log(`openAIApiKey: ${openAIApiKey}`);

async function main() {
    

  let config = {"mcpServers": {"http": {"url": "http://localhost:3001/sse"}}}
  // 从配置文件创建客户端
  const client = MCPClient.fromConfig( config );

  try { 
    const chat = new ChatOpenAI(
      {
        modelName: 'google/gemini-2.0-flash-exp:free', 
        streaming: true,
        openAIApiKey: openAIApiKey,
        configuration: {
          baseURL: 'https://openrouter.ai/api/v1',  
        }
      }
    );
    let options = {
      client: client,
      // verbose: true,
      maxSteps: 30, 
      llm:  chat,
    }
    let agent = new MCPAgent(options)

    let result = agent.run(
      `
      100 rmb can exchange how much doller？
      ` 
    );

     console.log( JSON.stringify(result) );
  } finally {
    // console.info('finally');
  }
}

main().catch(console.error);

你也可以像这样从配置文件中添加服务配置：

const client = MCPClient.fromConfigFile(
    path.join(__dirname, 'browser_mcp.json')
);

配置文件示例（browser_mcp.json）：

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

有关其他设置、模型等信息，请查阅文档。

使用场景示例

HTTP 服务示例

这里有一个示例项目： easy-mcp-use-example (https://github.com/dforel/easy-mcp-use-examples)

使用 Playwright 浏览网页

import { MCPClient } from '../src/client';
import path from 'path';
import { MCPAgent, MCPAgentOptions } from '../src/agents/mcpagent';
// import { ChatOpenAI } from 'langchain/core/language_models/chat_openai';
// import { OpenAI } from "@langchain/llms/openai";
import { ChatOpenAI } from '@langchain/openai';
import { logger } from '../src/logging';
import dotenv from 'dotenv';
dotenv.config();

const openAIApiKey = process.env.openAIApiKey; 
if (!openAIApiKey) {
  throw new Error("openAIApiKey environment variable is not set");
}
logger.info(`openAIApiKey: ${openAIApiKey}`);

async function main() {
  // 从配置文件创建客户端
  const client = await MCPClient.fromConfigFile(
    path.resolve(__dirname, './browser_mcp.json')
  );

  try { 
    const chat = new ChatOpenAI(
      {
        modelName: 'google/gemini-2.0-flash-exp:free', 
        // modelName: 'google/gemini-2.5-pro-exp-03-25:free', 
        streaming: true,
        openAIApiKey: openAIApiKey,
        configuration: {
          baseURL: 'https://openrouter.ai/api/v1',  
        }
      }
    );
    let options: MCPAgentOptions = {
      client: client,
      verbose: true,
      maxSteps: 30, 
      llm:  chat,
    }
    let agent = new MCPAgent(options)

    let result = agent.run(
      `
      open bing.com
      click input
      input easy-mcp-use
      click search
      ` 
    );

     console.log( JSON.stringify(result) );
  } finally {
    console.info('finally');
  }
}

main().catch(console.error);

此示例演示如何连接到运行在指定 HTTP 端口上的 MCP 服务。运行此示例前，请确保已启动 MCP 服务。

多服务支持

MCP-Use-TS 支持使用 MCPClient 配置并同时连接多个 MCP 服务。这使得需要使用不同服务工具的复杂工作流成为可能，例如将网页浏览与文件操作或 3D 建模相结合。

配置

你可以在配置文件中配置多个服务：

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

用法

MCPClient 类提供了用于管理与多个服务的连接的方法。创建 MCPAgent 时，可以提供一个配置了多个服务的 MCPClient。

默认情况下，Agent 可以使用所有已配置服务中的工具。如果需要针对特定任务指定某个服务，可以在调用 agent.run() 方法时指定 serverName。

// Example: Manually selecting a server for a specific task
const airbnbResult = await agent.run(
    'Search for Airbnb listings in Barcelona',
    { serverName: 'airbnb' } // Explicitly use the airbnb server
);

const googleResult = await agent.run(
    'Find restaurants near the first result using Google Search',
    { serverName: 'playwright' } // Explicitly use the playwright server
);

Agent 专属详细程度

如果只想查看 Agent 的调试信息，而不启用完整的调试日志，可以在创建 MCPAgent 时设置 verbose 参数：

// Create agent with increased verbosity
const agent = new MCPAgent({
    llm,
    client,
    verbose: true  // Only shows debug messages from the agent
});

如果你只需要查看 Agent 的步骤和决策过程，而不需要其他组件提供的所有底层调试信息，这会很有用。

路线图

• [x] 同时使用多个服务
• [x] 测试远程连接器（http、ws）
• [ ] ...

贡献

我们欢迎贡献！欢迎提交问题报告或功能请求。

要求

• Node.js 18+
• TypeScript 5.0+
• MCP 实现（如 Playwright MCP）
• LangChain 和适用的模型库（OpenAI、Anthropic 等）

引用

如果你在研究或项目中使用 MCP-Use-TS，请引用：

@software{easy-mcp-use,
  author = {dforel},
  title = {Easy-MCP-Use: MCP Library for TypeScript},
  year = {2025},
  publisher = {GitHub},
  url = {https://github.com/dforel/easy-mcp-use}
}

其他

此项目是 mcp-use 的一个分支。

希望你喜欢它。

许可证

MIT