简介

本文提供一个简短教程，展示如何使用 LangGraph、MCP（模型上下文协议） 和 Ollama 创建多代理聊天机器人，构建适用于商业或个人使用的强大智能代理聊天机器人。

不久前，我制作了一段关于模型上下文协议（MCP）的视频。一些开发者将其比喻为“为AI打造的Zapier”，认为它仅为API使用增加了额外步骤。

“在MCP出现之前，开发者需要编写代码并通过API将AI工具连接到外部系统，这意味着每个集成都需要提前编码。” —— John Rush

尽管MCP于2024年11月发布，但近期突然流行，引发了关于其“繁荣期”持续时间的讨论。LangChain 在 X 平台上发起投票，结果显示：

•40.8% 认为 MCP 是未来标准；•25.8% 认为 MCP 只是昙花一现；•33.4% 选择观望。

MCP 虽新，但已支持 GitHub、Slack 和 PostgreSQL 等服务。作为开放标准，它可与任何大语言模型（LLM，如 Claude、OpenAI、Gemini 等）配合使用，令人惊讶。

接下来，我将通过实时聊天机器人演示展示其效果。

演示

我将向聊天机器人提出两个问题：

1.“你能写一份关于最新大语言模型的报告吗？”
您也可自由提问。

观察聊天机器人输出，代理通过 create_chatbot 函数使用结构化流程处理输入。该函数整合系统指令、用户消息和工具执行，形成流畅交互，并根据查询选择工具。

对于第一个问题，聊天机器人调用 Google 搜索工具获取最新信息并生成报告。对于第二个问题，“编写一个使用 Seaborn 创建带回归线的散点图的 Python 脚本”，聊天机器人处理请求并路由到适当工具（如 python_repl 或 data_visualization），具体取决于查询结构。async_tool_executor 动态处理工具调用，确保同步和异步功能（如生成代码或可视化）正确执行。

StateGraph 管理对话状态，确保后续问题响应准确且具上下文相关性。get_tools 函数确保仅使用可用工具，维护系统稳定性。main 函数确保顺畅运行，实时处理用户输入、调用工具并处理输出。

通过本文，您将了解 MCP 与函数调用（Function Call）的区别、何时使用两者，以及如何使用 LangGraph、MCP 和开源工具创建强大的智能代理聊天机器人。

开始之前！🦸🏻‍♀️

如果您喜欢此主题并想支持我：

•为文章鼓掌50次，助力我前行！👏•在 Medium 上关注我并订阅，免费获取最新文章🫶•订阅我的 YouTube 频道，加入大家庭！

MCP 与函数调用的区别

在函数调用中，AI 像遵循严格脚本的工人，仅能调用预定义工具，逐一执行，限制于已获取工具。而在 MCP 中，AI 像拥有工具箱的代理，可探索新工具、组合使用，处理更多任务，拥有更大自主性。

函数调用与模型提示紧密耦合，开发者需管理调用顺序，控制性强但灵活性有限。MCP 通过开放协议实现松耦合，灵活可扩展，但需精心设计以管理复杂性和确保安全性。下一节将探讨如何使用 MCP 构建代理并应对其灵活性挑战。

何时使用函数调用和 MCP

选择函数调用或 MCP 取决于用例：

•函数调用：适用于明确定义的简单动作或单步查询，需高度结构化输出。适合可预测任务和轻量集成，MCP 的额外开销可能过重。若需结构化、狭窄任务和简单应用集成，选择函数调用。•MCP：适用于需灵活性、多功能工具或跨交互演变上下文的场景。适合复杂、多步骤工作流程，或 AI 需维护长期上下文并与多种系统交互（如跨内部系统的通用助手，调用多数据源）。

两者不互斥，可互补。例如，函数调用可在 MCP 客户端内处理模型结构化输出。概念上，函数调用将自然语言转化为可控的函数执行，而 MCP 为 AI 提供更广接口以探索和操作环境。

开始编码

让我们逐步探索如何创建 MCP 应用程序。首先安装支持模型的库：

pip install -r requirements.txt

接下来导入相关库，其重要性将在后续显现：

•langchain_mcp_adapters：将 MCP 工具转为 LangChain 工具，供 LangGraph 代理使用，提供客户端实现，连接多个 MCP 服务器加载工具。•MCP：开放协议，标准化应用程序为大语言模型提供上下文。•googlesearch-python：便于 Google 搜索的包。

代码文件概览

agent.py

我设计了 create_agent 函数作为异步过程构建 AI 代理，接受可选参数 docs_info 提供聊天机器人数据。MultiServerMCPClient 集成到异步上下文管理器，确保与 MCP 服务器（http://localhost:8000/sse）通过服务器发送事件（SSE）无缝通信，超时30秒。

调用 client.get_tools() 获取 MCP 工具，启用高级功能。使用 MessagesState 构建 StateGraph 管理对话状态，通过 create_chatbot(docs_info) 创建聊天机器人节点，处理和交互文档。

from langchain_core.messages importAIMessage,ToolMessage,HumanMessage

async_tool_executor 动态处理工具调用，输入为包含对话消息列表的 state。提取最后消息（messages[-1]）检查工具调用，从 tool_calls 或 additional_kwargs 获取。若无工具调用，返回未更改消息。

为处理工具调用，复制消息到 new_messages，遍历每个工具调用，提取 tool_name、tool_args 和 tool_id，支持字典和对象格式。匹配 tool_name 查找工具；若未找到，生成错误消息列出有效工具。

若工具存在，使用 asyncio.iscoroutinefunction() 判断是否异步函数——若异步，执行 await tool.coroutine(**tool_args)；否则，调用 tool.func(**tool_args) 或 tool(**tool_args)。通过捕获异常处理错误，附加详细错误消息到 new_messages。

asyncdefasync_tool_executor(state):

通过集成异步工具执行节点和路由函数，设计了结构化对话流程。添加 async_tool_executor 作为“tools”节点，动态处理工具调用。创建路由函数，根据最后消息决定下一步：若 AI 消息含工具调用，路由到“tools”；否则，结束对话。

为图添加边：从“chatbot”开始，条件路由到“tools”或“end”，并将“tools”循环回“chatbot”，支持多次工具交互。

graph_builder.add_node("tools", async_tool_executor)

nodes.py

get_system_prompt 函数动态生成 AI 助手系统提示，确保明确指导和上下文感知。使用 datetime.now().strftime("%Y-%m-%d") 格式化当前日期嵌入提示，提供实时参考。

定义助手角色和能力，列出三个工具：generate_image（DALL-E 生成图像）、data_visualization（matplotlib 生成图表）、python_repl（Python 执行环境）。

from server import get_tools

create_chatbot 函数处理用户输入并生成 AI 响应，使用 ChatPromptTemplate 结合系统指令（来自 get_system_prompt）和用户消息。通过管道（|）将提示传递到 LLM，创建无缝处理链。

函数将字符串转为 HumanMessage 对象，确保消息格式一致。聊天机器人调用 LLM 处理用户消息并附加响应，维护结构化对话历史。助手遵循规则，适应查询，保持工具无关性，提供灵活响应，确保互动动态体验。🚀

defcreate_chatbot(docs_info=None):

server.py

开发了一套工具，用于生成图像、可视化数据和执行 Python 代码。generate_image 工具使用 DALL-E 根据提示生成图像，验证提示有效后，异步调用 OpenAI API，成功返回图像 URL，失败返回错误消息。

data_visualization 工具使用 matplotlib 执行 Python 代码创建图表，保存为 base64 编码的 PNG 图像。python_repl 工具在 REPL 环境运行 Python 代码，提供动态执行。工具均设计为处理错误并返回有意义响应。

from mcp.server.fastmcp importFastMCP

get_tools 函数返回可用工具列表，确保仅包含功能性工具，包括 generate_image、python_repl 和 data_visualization。若提供 retriever_tool，则加入列表。脚本通过 mcp.run(transport="sse") 运行 MCP 服务器，确保工具可用。

defget_tools(retriever_tool=None):

main.py

main 函数运行异步代理，动态处理用户输入和工具交互。通过 await create_agent() 创建代理和客户端，通过命令行获取用户输入，构造 HumanMessage。

通过 agent.ainvoke() 异步调用代理处理请求，打印用户输入或工具结果（若为图像生成，提取 URL）。捕获异常并打印。客户端保持活跃，脚本通过 asyncio.run(main()) 异步执行。

import streamlit as st

结论

MCP 不仅是工具调用协议的升级，而是范式变革。它提供通用开放标准，使 AI 系统以标准化方式连接数据源、工具和服务，减少单独连接器需求，简化集成。

非智能服务可通过 MCP 暴露功能为“工具”，供大语言模型调用，无需大幅修改现有系统即可交互和执行任务。

学习是持续的过程，充满挑战。天道酬勤，愈努力愈优秀。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！