Langgraph-MCP-Agents是什么？

Langgraph-Mcp-Agents是一個基于LangGraph的ai智能體系統，通過集成MCP，讓Ai助手能夠輕松訪問各類數據源和API。系統配備了Streamlit網頁界面，方便用戶與LangGraph和MCP工具進行交互。用戶可以通過界面動態添加、刪除或配置MCP工具，無需重啟應用，且支持Smithery JSON格式。此外，系統還支持流式響應，用戶可以實時查看智能體的響應和工具調用情況。

Langgraph-Mcp-Agents功能

• 解耦任務邏輯與工具實現：開發者可獨立擴展工具庫而不影響智能體核心。

• 支持長期上下文：通過 LangGraph 的持久性功能，實現跨會話的任務連續性。
  

• 多代理協作：支持構建多代理系統，不同代理可以分工協作完成復雜任務。

• 動態配置和部署：通過 Streamlit 界面動態配置和部署 AI Agent。

• 工具集成：可以輕松接入多種數據源和外部工具。

• 狀態管理：在工作流的各個步驟中管理狀態。

• 靈活部署：支持單機與多服務器部署，適應不同規模的應用需求。
  

技術架構與核心組件

LangGraph 框架

LangGraph 是 LangChain 的擴展庫，專注于構建 有狀態、多角色 的智能體工作流。

• 狀態管理：通過 StateGraph 維護對話上下文，支持長期記憶和任務連續性。

• 動態流程控制：支持循環、分支和條件邏輯，適用于需要自我修正或迭代的任務（如代碼生成）。

• 多工具集成：通過 langchain-mcp-adapters 將 MCP 工具轉換為 LangChain 工具，實現與外部服務（如搜索、數據庫）的交互。

MCP 協議

MCP 是一種開放標準，定義了模型與外部工具的交互協議。

• 松耦合設計：允許 AI 動態發現和調用工具，提升靈活性。

• 多服務器支持：通過 MultiServerMCPClient 連接多個 MCP 服務器，擴展工具調用能力。

使用場景

復雜任務處理

• 多步驟工作流：例如數據分析任務中，LangGraph 可協調數據獲取、清洗、可視化等步驟，MCP 工具則提供具體執行能力（如調用 Python 庫或數據庫查詢）。

• 跨系統協作：通過 MCP 連接 GitHub、Slack 等服務，實現跨平臺信息整合。

智能體協作

• 角色分工：不同智能體可專注于特定任務（如代碼生成、圖表繪制），通過 MCP 共享中間結果。

• 動態決策：LangGraph 的狀態圖支持根據任務進展調整執行路徑，例如在代碼生成失敗時觸發調試流程。

開發效率提升

• 工具即服務：MCP 將工具封裝為標準化接口，開發者無需修改智能體核心邏輯即可擴展功能。

• 異步支持：async_tool_executor 處理同步與異步工具調用（如生成代碼與實時搜索），優化執行效率。

項目實現

• 客戶端-服務器架構：MCP 使用客戶端-服務器模型，LangGraph 作為客戶端連接到 MCP 服務器。

• 工具節點集成：將 MCP 服務器中的工具轉換為 LangGraph 的工具節點。

• 多服務器支持：支持連接到多個 MCP 服務器，靈活使用不同服務器上的工具。