Langgraph-Mcp-Agents：一个集成MCP基于LangGraph的AI智能体系统

Langgraph-MCP-Agents是什么？

Langgraph-Mcp-Agents是一个基于LangGraph的ai智能体系统，通过集成MCP，让Ai助手能够轻松访问各类数据源和API。系统配备了Streamlit网页界面，方便用户与LangGraph和MCP工具进行交互。用户可以通过界面动态添加、删除或配置MCP工具，无需重启应用，且支持Smithery JSON格式。此外，系统还支持流式响应，用户可以实时查看智能体的响应和工具调用情况。

Langgraph-Mcp-Agents功能

解耦任务逻辑与工具实现：开发者可独立扩展工具库而不影响智能体核心。

支持长期上下文：通过 LangGraph 的持久性功能，实现跨会话的任务连续性。

多代理协作：支持构建多代理系统，不同代理可以分工协作完成复杂任务。

动态配置和部署：通过 Streamlit 界面动态配置和部署 AI Agent。

工具集成：可以轻松接入多种数据源和外部工具。

状态管理：在工作流的各个步骤中管理状态。

灵活部署：支持单机与多服务器部署，适应不同规模的应用需求。

技术架构与核心组件

LangGraph 框架

LangGraph 是 LangChain 的扩展库，专注于构建 有状态、多角色 的智能体工作流。

状态管理：通过 StateGraph 维护对话上下文，支持长期记忆和任务连续性。

动态流程控制：支持循环、分支和条件逻辑，适用于需要自我修正或迭代的任务（如代码生成）。

多工具集成：通过 langchain-mcp-adapters 将 MCP 工具转换为 LangChain 工具，实现与外部服务（如搜索、数据库）的交互。

MCP 协议

MCP 是一种开放标准，定义了模型与外部工具的交互协议。

松耦合设计：允许 AI 动态发现和调用工具，提升灵活性。

多服务器支持：通过 MultiServerMCPClient 连接多个 MCP 服务器，扩展工具调用能力。

使用场景

复杂任务处理

多步骤工作流：例如数据分析任务中，LangGraph 可协调数据获取、清洗、可视化等步骤，MCP 工具则提供具体执行能力（如调用 Python 库或数据库查询）。

跨系统协作：通过 MCP 连接 GitHub、Slack 等服务，实现跨平台信息整合。

智能体协作

角色分工：不同智能体可专注于特定任务（如代码生成、图表绘制），通过 MCP 共享中间结果。

动态决策：LangGraph 的状态图支持根据任务进展调整执行路径，例如在代码生成失败时触发调试流程。

开发效率提升

工具即服务：MCP 将工具封装为标准化接口，开发者无需修改智能体核心逻辑即可扩展功能。

异步支持：async_tool_executor 处理同步与异步工具调用（如生成代码与实时搜索），优化执行效率。

项目实现

客户端-服务器架构：MCP 使用客户端-服务器模型，LangGraph 作为客户端连接到 MCP 服务器。

工具节点集成：将 MCP 服务器中的工具转换为 LangGraph 的工具节点。

多服务器支持：支持连接到多个 MCP 服务器，灵活使用不同服务器上的工具。