Langgraph MCP Integration

🚀 了解 MCP 架构

MCP（多计算服务器）架构是一种具有创新性的方法，它将 AI 模型与外部计算服务相结合，助力开发者打造功能强大的应用程序。

🚀 快速开始

MCP 架构允许 AI 模型借助多种传输协议（如 stdio 和 sse），同时连接到多个计算服务器。这一特性让模型能够执行复杂任务，例如在 math_server.py 中进行数学运算，或者从 weather_server.py 获取实时天气信息。

✨ 主要特性

MCP 的核心组件

1. MCP 服务器：
   • 数学服务器 (math_server.py)：提供基本的算术运算。

     from mcp.server.fastmcp import FastMCP
     
     mcp = FastMCP("Math")
     
     @mcp.tool()
     def add(a: int, b: int) -> int:
         """Add two numbers."""
         return a + b
     
     if __name__ == "__main__":
         mcp.run(transport="stdio")
     

   • 天气服务器 (weather_server.py)：提供实时天气数据。

     from mcp.server.fastmcp import FastMCP
     
     mcp = FastMCP("Weather")
     
     @mcp.tool()
     async def get_weather(location: str) -> str:
         """Get weather for location."""
         return "It's always sunny in New York"
     
     if __name__ == "__main__":
         mcp.run(transport="sse")
     

2. MCP 客户端：
   • 单服务器客户端 (single_server_client.py)：与一个 MCP 服务器交互。

     from mcp.client import Client
     
     client = Client(
         {
             "math": {
                 "command": "python",
                 "args": ["server/math_server.py"],
                 "transport": "stdio",
             },
         }
     )
     

   • 多服务器客户端 (multi_server_client.py)：同时与多个 MCP 服务器交互。

     from mcp.client import MultiServerMCPClient
     
     async with MultiServerMCPClient(
         {
             "math": {
                 "command": "python",
                 "args": ["server/math_server.py"],
                 "transport": "stdio",
             },
             "weather": {
                 "url": "http://localhost:8000/sse",
                 "transport": "sse",
             },
         }
     ) as client:
         agent = create_react_agent(model, client.get_tools())
         math_response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})
         weather_response = await agent.ainvoke({"messages": "what is the weather in nyc?"})
     

MCP 的工作原理

MCP 架构通过以下步骤实现其功能：

1. 初始化服务器：每个 MCP 服务器定义了自己的工具（如 add 和 get_weather）并运行在指定的传输协议上。
2. 连接客户端：客户端可以是单服务器或多个服务器，具体取决于需求。
3. AI 驱动的交互：通过语言模型（如 GPT），客户端可以调用不同服务器上的工具来执行复杂任务。

MCP 的优势

• 可扩展性：轻松添加更多服务。
• 并行执行：同时查询多个服务器。
• 灵活通信：支持多种传输协议。
• AI 集成：使语言模型与外部服务无缝结合。

📦 安装指南

要克隆并运行代码，请按照以下步骤操作：

git clone https://github.com/commitbyrajat/langgraph-mcp-integration.git
cd langgraph-mcp-integration
rye sync  # 同步依赖项
rye run python server/weather_server.py &
rye run python client/single_server_client.py
rye run python client/multi_server_client.py

MCP 架构使开发者能够构建功能强大的 AI 驱动应用程序。🚀