C++内核启动性能瓶颈突破（静态链接与初始化优化全解析）
2025/12/31 15:32:41
简介
本文详细介绍了使用LangChain框架接入MCP服务端实现智能体开发的方法。文章回顾MCP核心概念，通过环境搭建、配置文件编写和MCP客户端实现的具体步骤，结合PlayWright MCP浏览器自动化实例，完整展示了LangChain+MCP的接入流程，提供了可直接运行的代码，帮助开发者快速掌握利用MCP技术提升Agent开发效率。
前言
随着大模型技术的不断发展，借助MCP技术快速实现智能体已经成为当前智能体开发的首选方法。作为宇宙第一Agent开发框架，LangChain自然也具备对接MCP服务器的强大功能，本期分享我们一起来学习LangChain接入MCP的完整实现流程。
本系列分享是笔者结合自己学习工作中使用LangChain&LangGraph经验倾心编写，力求帮助大家体系化快速掌握LangChain&LangGraph AI Agent智能体开发的技能！大家感兴趣可以关注笔者微信公众号:大模型真好玩, 每期分享涉及的代码均可在公众号私信:LangChain智能体开发获得。
PS:鉴于后台私信越来越多，我建了一些大模型交流群，大家在日常学习生活工作中遇到的大模型知识和问题都可以在群中分享出来大家一起解决！如果大家想交流大模型知识，可以关注我并回复加群。
一、MCP知识点回顾
MCP（全称是Model Context Protocol，模型上下文协议）, 是由Claude母公司Anthropic于2024年11月正式提出。
MCP的核心作用是统一了Agent开发过程中大模型调用外部工具的技术实现流程，从而大幅提高了Agent开发效率。在MCP诞生前，大模型通过Function Calling技术与工具函数对接，不同的工具函数有不同的调用方式，要连接这些外部工具开发Agent就必须“每一把锁单独配一把钥匙”，开发工作非常繁琐。
而MCP的诞生，则统一了这些外部工具的调用流程，使得无论什么样的工具都可以借助MCP技术按照统一的流程快速接入到大模型中从而大幅加快Agent开发效率。这就好比现在很多设备都可以使用type-c和电脑连接。
从技术实现角度，我们可以将MCP看成是Function Calling的一种封装，通过server-client架构和一整套开发工具来规范化Function Calling开发流程。程序员可以根据MCP协议开发包含不同工具功能的MCP服务端，并将这些服务端分享出来方便大家接入，减少了重复的开发工作，大大加速了Agent开发效率。
此前笔者曾分享了MCP从入门到精通的多篇文章，在学习本篇分享前大家需简单了解MCP完整技术体系，详细内容可见笔者合集:从0到1学习MCP
二、MCP+LangChain基础调用流程
本期分享我们使用LangChain编写代码调用PlayWright MCP实现浏览器自动化。LangChain调用MCP的原理是将MCP的工具函数直接转换为LangChain的工具函数，然后通过预定义的MCP_Client实现与外部MCP的读写操作。简而言之，我们只需要使用LangChain编写MCP Client 客户端代码并接入外部MCP Server即可。
2.1 环境搭建
- 首先在我们之前创建的
anaconda虚拟环境langchainenv中执行如下命令安装LangChain MCP的相关依赖:
pip install langchain-mcp-adapters- 其次要调用PlayWright官方的浏览器工具需要本地安装node.js
- 最后编写配置文件，在项目目录下新建
servers_config.json文件，在mcp汇总网站（https://mcp.so/server/playwright-mcp/microsoft?tab=tools）中找到PlayWright的配置并写入servers_config.json文件中，同时添加MCP通信方式的配置项transport。servers_config.json完整内容如下, 基本原理是通过npx下载PlayWright MCP Server到本地并通过stdio方式与LangChain搭建的MCP Client进行通信。
{2.2 使用LangChain实现MCP Client
- 引入相关依赖, LangChain通过
MultiServerMCPClient构建MCP Server连接工具。
import asyncio- 创建环境配置类，保存DeepSeek大模型的
api_key等相关配置，通过load_servers函数加载mcp服务器配置文件servers_config.json
# ────────────────────────────- 编写MCP接入智能体, 代码如下:
asyncdefrun_chat_loop():以上代码中的关键部分是LangChain连接MCP Server，首先通过mcp_client = MultiServerMCPClient(servers_cfg)创建MCP Server连接对象，其次通过mcp_client.get_tools()将连接后的MCP Server中的方法全部转换为LangChain可用的工具函数。我们查看mcp_client.get_tools()的源码，可以看到内部调用了load_mcp_tools()函数一键将连接MCP Server的所有工具函数转化为标准的LangChain工具函数，所以可以直接在LangChain环境中进行使用:
转换之后代码具备LangChain智能体构建的三要素模型、提示词和工具函数，可以使用s上篇文章讲过的create_openai_tools_agent和AgentExecutor构建并执行智能体。
- 编写主函数执行智能体，本期分享使用与上篇相同的案例，要求智能体爬取Copilot官方介绍页并总结相关内容， 提示词为"访问这个网站 https://www.microsoft.com/en-us/microsoft-365/blog/2025/01/16/copilot-is-now-included-in-microsoft-365-personal-and-family/?culture=zh-cn&country=cn 并帮我总结一下这个网站的内容"，执行结果如下，可以看到PlayWright MCP自动打开浏览器并导航到相关页面进行爬取分析:
如何学习AI大模型？
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓