关于 🦜 🔗 LangChain MCP Client
LangChain MCP Client 是一个演示 LangChain ReAct Agent 使用 MCP 服务工具的客户端，面向希望在命令行中组合 LLM 与 MCP 工具的开发者。它可并行初始化多个服务，并将其工具转换为 LangChain 工具。
主要功能
- 01连接 MCP 服务
- 02并行初始化多个服务
- 03将 MCP 工具转换为 LangChain 工具
- 04配置兼容 LangChain 的 LLM
- 05通过命令行交互
适用场景
- 01在 ReAct Agent 中调用 MCP 工具
- 02从多个 MCP 服务组合工具
- 03通过命令行运行动态对话
MCP 相关
该客户端连接配置的 MCP 服务，将可用工具转换为 LangChain 工具，供 ReAct Agent 使用。可并行初始化多个 MCP 服务。
配置
本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。
我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。
工具
本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。
详细介绍
🦜 🔗 LangChain MCP 客户端
这个简单的 Model Context Protocol (MCP) 客户端演示了 LangChain ReAct Agent 对 MCP 服务工具的使用。
- 🌐 无缝连接到任意 MCP 服务。
- 🤖 使用任意兼容 LangChain 的大模型，灵活选择模型。
- 💬 通过 CLI 进行交互，支持动态对话。
转换为 LangChain 工具
它使用实用函数 convert_mcp_to_langchain_tools()。该函数负责并行初始化指定的多个 MCP 服务，并将其可用工具转换为兼容 LangChain 的工具列表（List[BaseTool]）。
安装
Python 版本应为 3.11 或更高版本。
pip install langchain_mcp_client
配置
创建一个 .env 文件，其中包含访问大模型所需的所有 API_KEYS。
在 llm_mcp_config.json5 文件中配置大模型、MCP 服务和提示词示例：
- 大模型配置：设置大模型参数。
- MCP 服务：指定要连接的 MCP 服务。
- 示例查询：定义用于调用 MCP 服务工具的示例查询。出现提示时，按 Enter 键即可使用这些示例查询。
使用方法
以下是使用 Jupyter MCP Server 的示例：
检查 llm_mcp_config.json5 配置（命令取决于你使用的是 Linux 还是 macOS/Windows）。
# Start jupyterlab.
make jupyterlab
# Launch the CLI.
make cli
这是一个提示词示例。
create matplolib examples with many variants in jupyter
致谢
本仓库的初始代码取自 hideya/mcp-client-langchain-py（MIT 许可证）和 langchain_mcp_tools（MIT 许可证）。
评论
一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。