LangChain Agent with MCP Servers

使用 MCP 服务的 LangChain Agent

一个使用 MCP 适配器将工具集成到 Model Context Protocol（MCP）服务的 LangChain Agent。

概述

本项目演示如何构建一个使用 Model Context Protocol（MCP）与各种服务交互的 LangChain Agent：

• Tavily Search：网页搜索和新闻搜索功能
• Weather：模拟天气信息检索
• Math：数学表达式求值

Agent 使用 LangGraph 的 ReAct Agent 模式，根据用户查询动态选择并使用这些工具。

功能

• 优雅关闭：所有 MCP 服务都实现了适当的信号处理，以便干净地终止
• 子进程管理：主 Agent 跟踪并管理所有 MCP 服务子进程
• 错误处理：整个应用程序具备稳健的错误处理机制
• 模块化设计：易于扩展其他 MCP 服务

优雅关闭机制

本项目实现了一套全面的优雅关闭系统：

1. 信号处理：捕获 SIGINT 和 SIGTERM 信号，以启动优雅关闭
2. 进程跟踪：主 Agent 维护所有子进程的注册表
3. 清理流程：确保退出时正确终止所有子进程
4. 关闭标志：每个 MCP 服务都有一个关闭标志，在开始关闭后阻止新操作
5. 异步协作：使用 asyncio 尽可能让正在进行的操作完成

安装

# Clone the repository
git clone https://github.com/yourusername/langchain-mcp.git
cd langchain-mcp

# Create a virtual environment
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

# Install dependencies
pip install -e .

配置

在项目根目录中创建 .env 文件，并添加以下变量：

OPENAI_API_KEY=your_openai_api_key
TAVILY_API_KEY=your_tavily_api_key

使用方法

从命令行运行 Agent：

python src/agent.py

Agent 会提示你输入查询，然后使用相应的工具进行处理。

开发

添加新的 MCP 服务：

1. 在 src/mcpserver/ 中创建新文件
2. 实现服务并正确处理信号
3. 更新 src/mcpserver/__init__.py 以导出新服务
4. 将服务配置添加到 src/agent.py

许可证

MIT