🚀 mcp-agent-tool-adapter

从协议到智能：用MCP为代理提供动力。

🚀 快速开始

☑️ 先决条件

• Python 3.10+

⚙️ 安装

# 克隆此仓库
❯ git clone https://github.com/serkanyasr/mcp-agent-tool-adapter
❯ cd mcp-agent-tool-adapter

# 安装依赖项
❯ pip install -r requirements.txt

🤖 使用方法

运行Google ADK CLI代理：

❯ python app_client_adk.py

运行LangGraph ReAct CLI代理：

❯ python app_client_langgraph.py

确保你的mcp_config.json定义了工具，例如：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["@modular-protocol/filesystem"]
    }
  }
}

✨ 主要特性

• 模块化工具调用：支持多种工具的灵活调用。
• 流式接口：提供高效的流式数据处理能力。
• 多语言支持：适配不同的编程环境和框架。

📦 安装指南

# 克隆此仓库
❯ git clone https://github.com/serkanyasr/mcp-agent-tool-adapter
❯ cd mcp-agent-tool-adapter

# 安装依赖项
❯ pip install -r requirements.txt

📚 详细文档

📍 概览

MCP代理工具适配器 通过MCP协议实现模块化工具调用，并提供基于Google ADK或LangGraph的代理，使这些代理能够动态地与工具进行推理。

该项目将MCP工具转换为：

• 🤖 带有流式FastAPI或CLI接口的Google ADK代理
• 🧠 使用ReAct + 流式工具规划的LangGraph代理

🧱 项目结构

mcp-agent-tool-adapter/
├── mcp_client/                # 核心客户端实现（模块化）
│   ├── client.py              # MCPClient & MCPServer
│   ├── tool_loader.py         # 高层次异步加载器
│   └── types.py               # 共享类型定义
├── app_client_adk.py         # Google ADK代理 + CLI聊天
├── app_client_langgraph.py   # LangGraph代理 + ReAct CLI聊天
├── mcp_config.json           # 示例MCP工具配置
├── requirements.txt          # 依赖项
└── README.md

🧠 工具架构

MCP工具通过MCPClient连接到代理，处理：

• 工具服务器启动（通过子进程）
• 会话管理
• 工具适配（langgraph或Google ADK）
• 清理工作

你可以通过更改应用程序中的tool_type为“google”或“langgraph”来动态切换代理类型。

🧪 开发与测试

项目流程

1. 初始化：配置MCP服务器并加载所需工具。
2. 代理启动：运行Google ADK或LangGraph代理以接收请求。
3. 工具交互：根据需求动态调用相应工具进行处理。
4. 结果反馈：将处理后的结果通过流式接口返回给客户端。

注意事项

⚠️ 重要提示

• 确保安装所有依赖项，包括fastapi和langchain等库。
• 在配置文件中正确指定工具路径和参数，避免运行时错误。
• 处理大规模数据时，建议优化网络传输和资源管理以提升性能。

📄 许可证

该项目遵循MIT License协议。更多信息请参考LICENSE文件。

通过以上步骤，您可以轻松地将MCP工具集成到现有的项目中，享受模块化和高效的代理服务。