关于 llm_to_mcp_integration_engine
llm_to_mcp_integration_engine 是一个 Python 通信层,会在执行前验证 LLM 选择的工具。它面向连接 LLM 与 MCP 服务或函数的开发者,并通过解析和重试处理不规范响应。
主要功能
- 01根据工具列表验证选择
- 02解析非结构化 LLM 响应
- 03使用新提示词重试
- 04失败时切换 LLM
- 05诊断工具调用故障
适用场景
- 01在外部调用前检查工具选择
- 02处理格式错误的工具选择响应
- 03验证失败时改用其他 LLM 重试
MCP 相关
它为 LLM 与 MCP 服务或函数提供通信层,并在调用 MCP 服务或函数前检查工具选择。
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
llm_to_mcp_integration_engine
🔍 什么是 llm_to_mcp_integration_engine?
llm_to_mcp_integration_engine 是一种用于 LLM 与 MCP 服务或函数之间的通信层新方案。
它通过确保在触发任何外部进程之前正确选择、验证和执行工具,提升工具调用的可靠性。
它会从 LLM 的响应中查找工具选择标记(SELECTED_TOOLS、SELECTED_TOOL、NO_TOOLS_SELECTED),并根据预定义的工具列表进行验证。
🚀 llm_to_mcp_integration_engine 有什么新特点?
llm_to_mcp_integration_engine 能有效处理非结构化输出,并结合动态解析和重试机制(RETRY_PROMPT、CHANGE_LLM_IN_RETRY),为 LLM 与工具的集成提供了更灵活、更具弹性的解决方案。
❓ 为什么需要 llm_to_mcp_integration_engine?
- LLM 经常会错误地格式化或排序工具调用,导致失败。
- 在触发任何 MCP 服务或函数之前,必须验证工具执行。
- 该协议为 LLM 与工具的集成带来清晰度、可控性和可靠性。
❌ 是否已有现成的通信层?
没有。
这是一个全新发明。我们推出了 LLM2MCP 协议,这是首个此类通信框架,能够以结构化、经过验证且可控的方式将 LLM 连接到 MCP 服务或函数。
它的新颖之处包括:
- 双重注册:工具/函数同时列在 LLM 提示词和引擎中,确保二者保持一致。
- 兼容非 JSON 格式:即使 LLM 响应并非完全符合 JSON 格式,引擎仍可通过正则表达式和基于逻辑的检查提取有效的工具选择。
- 重试框架:如果验证失败(缺少工具、格式错误等),引擎可以使用新的提示词重试,甚至切换到其他 LLM。
- 精细化故障检测:开发者可以准确诊断 LLM 在何处出错——无论是选择正确的工具、格式化参数,还是过渡到工具执行。
- 执行安全性:除非响应有效且经过验证,否则引擎不会调用任何工具或 MCP 服务。
将验证、回退机制、控制逻辑和健壮性整合到一个集成引擎中,这正是它成为一项新发明的原因。
⚙️ 如何使用
📦 通过 pip 安装
pip install llm_to_mcp_integration_engine
✅ 默认用法
from llm_to_mcp_integration_engine import llm_to_mcp_integration_default
llm_to_mcp_integration_default(
tools_list=my_tools_list,
llm_respons=response_from_llm,
json_validation=True
)
🔧 高级用法
from llm_to_mcp_integration_engine import llm_to_mcp_integration_advance
llm_to_mcp_integration_advance(
tools_list=my_tools_list,
llm_respons=response_from_llm,
json_validation=True,
no_tools_selected=True,
multi_stage_tools_select=True
)
🧠 自定义用法(例如,用于 Agent 式 HTML/CSS 工具)
from llm_to_mcp_integration_engine import llm_to_mcp_integration_custom
llm_to_mcp_integration_custom(
tools_list=my_tools_list,
llm_respons=response_from_llm,
json_validation=True
)
✅ 使用 llm_to_mcp_integration_engine 的优势
- 灵活处理响应
- 可靠执行工具
- 可靠的程序化验证
- 改进工具链式调用
- 与推理技术协同增效(例如,思维链)
- 处理「无需工具」的场景
- 错误检测和重试机制
- 故障诊断与监控
- 通过分层使用 LLM 优化成本
- 标准化 LLM 与工具之间的接口
💡 还包括在失败时动态切换 LLM,以增强健壮性并提高成本效益。
📜 许可证
您可以将此引擎用于个人和研究用途。
但是,未经作者明确许可,不得修改或分发此引擎。
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。