基于 MCP 服务器的 LangChain Agent

一个使用 MCP 适配器的 LangChain agent，用于与模型上下文协议 (MCP) 服务器进行工具集成。

概述

本项目演示了如何构建一个使用模型上下文协议 (MCP) 与各种服务交互的 LangChain agent：

• Tavily 搜索: 网络搜索和新闻搜索功能
• 天气: 模拟天气信息检索
• 数学: 数学表达式求值

该 agent 使用 LangGraph 的 ReAct agent 模式，根据用户查询动态选择和使用这些工具。

特性

• 优雅关闭: 所有 MCP 服务器都实现了适当的信号处理，以实现干净的终止
• 子进程管理: 主 agent 跟踪和管理所有 MCP 服务器子进程
• 错误处理: 整个应用程序中强大的错误处理
• 模块化设计: 易于扩展其他 MCP 服务器

优雅关闭机制

本项目实现了一个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. 清理过程: 确保所有子进程在退出时正确终止
4. 关闭标志: 每个 MCP 服务器都有一个关闭标志，以防止在启动关闭时进行新的操作
5. 异步协作: 使用 asyncio 允许正在进行的操作在可能的情况下完成

安装

# 克隆仓库
git clone https://github.com/yourusername/langchain-mcp.git
cd langchain-mcp

# 创建一个虚拟环境
python -m venv .venv
source .venv/bin/activate  # 在 Windows 上: .venv\Scripts\activate

# 安装依赖
pip install -e .

配置

在项目根目录中创建一个 .env 文件，包含以下变量：

OPENAI_API_KEY=your_openai_api_key
TAVILY_API_KEY=your_tavily_api_key

使用

从命令行运行 agent：

python src/agent.py

该 agent 将提示您输入查询，然后使用适当的工具对其进行处理。

开发

要添加新的 MCP 服务器：

1. 在 src/mcpserver/ 中创建一个新文件
2. 实现具有适当信号处理的服务器
3. 更新 src/mcpserver/__init__.py 以公开新服务器
4. 将服务器配置添加到 src/agent.py

许可证

MIT