带MCP的LangGraph代理
该项目旨在高效地将模型上下文协议（MCP）与LangGraph代理集成，使其能够动态访问外部工具、数据源和API。
使用此项目，您可以将LangGraph代理连接到MCP服务器，并使用预定义的工具执行各种任务，如网络搜索和总结YouTube视频。您还可以根据需要添加其他服务器。
这种集成实现了自动工具发现和多服务器支持，使人工智能系统更加模块化和强大。它允许人工智能系统自动找到工具并连接到多个服务器，从而提高了它们的灵活性和效率。
什么是MCP，为什么它很重要？
模型上下文协议（MCP）是一个开放标准，为人工智能应用程序与外部数据、工具和API交互提供了一种结构化的方式。MCP由Anthropic开发，旨在解决将LLM动态连接到外部数据源而不需要为每个工具进行自定义集成的挑战。
MCP很重要，因为它可以帮助人工智能系统轻松共享和访问数据，消除不同工具之间的障碍。这使得AI更加互联和高效。它还允许开发人员构建更智能的人工智能系统，这些系统可以使用许多不同的工具并轻松增长。
项目结构
langgraph_mcp/
│-- agent.py
│-- servers/
│ ├── tavily.py
│ ├── yt_transcript.py
│ ├── math_server.py
│ ├──weather.py
│-- .env
│-- requirements.txt
安装
- 克隆存储库：
git clone https://github.com/your-repo/langgraph-mcp.git
cd langgraph-mcp- 再进行
pip install -r requirements.txt- 创建.env文件并添加：
TAVILY_API_KEY=
OPENAI_API_KEY=运作原理
首先，运行 servers/server.py 在你的终端。这将启动MCP服务器。然后，在一个新的终端中，运行 agent.py。代理将通过MCP客户端连接到服务器并执行您的查询，如演示所示。
https://github.com/user-attachments/assets/c65255a1-62af-4711-8f10-ebfdacd9b3c6