mcpField
M
MCP Crash Course

MCP Crash Course

本地服务
github.com/Ayyappa054AI 与智能体278 周前更新
代码仓库

关于 MCP Crash Course

MCP Crash Course 通过单服务和多服务示例演示 LangChain 与 MCP 的集成。它结合 OpenAI 集成和异步操作，让 Agent 使用数学与天气工具。

主要功能

  1. 01集成 LangChain 与 MCP
  2. 02连接数学和天气服务
  3. 03演示单服务与多服务客户端
  4. 04支持异步操作

适用场景

  1. 01运行 Agent 处理数学查询
  2. 02将天气查询交给服务处理
  3. 03学习单服务和多服务 MCP 模式

MCP 相关

项目包含数学和天气 MCP 服务，以及使用 stdio 和 MultiServerMCPClient 的客户端示例。Agent 可根据查询选择工具。

#langchain#mcp#integration#math#weather

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。

暂未收录安装方式

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。

代码仓库

工具

还没有获取到工具列表

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

MCP 速成课程

一个演示项目，展示如何将 LangChain 与 Model Control Protocol（MCP）适配器集成。该项目实现了一个系统，可通过独立的 MCP 服务处理数学计算和天气查询。

功能

  • 集成多个 MCP 服务（数学和天气服务）
  • 与 OpenAI 集成 LangChain
  • 支持异步操作
  • 环境变量配置

先决条件

  • Python 3.x
  • OpenAI API 密钥

安装

  1. 克隆代码库
  2. 创建并激活虚拟环境： 
    python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
  3. 安装依赖项： 
    pip install -r requirements.txt
  4. 创建 .env 文件并添加 OpenAI API 密钥： 
    OPENAI_API_KEY=your_api_key_here

项目结构

  • main.py - 使用 stdio 客户端的单服务实现
  • langchain_client.py - 使用 MCP 客户端的多服务实现
  • server/ - 包含 MCP 服务实现的目录
    • math_server.py - 用于数学运算的服务
    • weather_server.py - 用于天气查询的服务

用法

  1. 运行单服务示例：

    python main.py

  2. 运行多服务示例：

    python langchain_client.py

工作原理

该项目演示了使用 MCP 的两种方式：

  1. 单服务（main.py）：

    • 使用 stdio 客户端进行通信
    • 连接到数学服务以执行计算
    • 使用 LangChain 实现 React Agent

  2. 多服务（langchain_client.py）：

    • 使用 MultiServerMCPClient 管理多个服务
    • 同时连接数学服务和天气服务
    • 允许 Agent 根据查询选择合适的工具

依赖项

  • langchain-core
  • langchain-openai
  • langchain-mcp-adapters
  • langgraph
  • python-dotenv
  • mcp

许可证

MIT

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

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。