給你的Agent裝個(gè)“外掛”？別再被私有協(xié)議坑了

最近在折騰AI Agent的工具調(diào)用，被各種私有協(xié)議搞得頭大。OpenAI的Function Calling一套規(guī)則，Claude又是另一套，等你對(duì)接完自家內(nèi)部的API，發(fā)現(xiàn)格式又不一樣了。每次換模型或者加新工具，都得重寫一遍適配層，這誰頂?shù)米。?/p>

直到我發(fā)現(xiàn)了MCP（Model Context Protocol）協(xié)議——這玩意兒簡(jiǎn)直就是Agent工具調(diào)用的“萬能插座”。今天我就用踩坑記錄的方式，帶你用Python給Agent集成MCP協(xié)議，徹底告別重復(fù)造輪子。

MCP協(xié)議：Agent工具的“USB標(biāo)準(zhǔn)”

先說清楚MCP是什么。簡(jiǎn)單理解，它是一套讓AI模型和外部工具對(duì)話的標(biāo)準(zhǔn)化協(xié)議。就像USB接口一樣，不管你是插U盤、鍵盤還是手機(jī)，接口都一樣。MCP讓不同模型（Claude、GPT、龍蝦模型）都能用同一套方式調(diào)用工具。

核心三件套：

• MCP Server：工具提供方，比如你的天氣查詢API、數(shù)據(jù)庫(kù)接口
• MCP Client：Agent側(cè)，負(fù)責(zé)和模型溝通，轉(zhuǎn)發(fā)工具調(diào)用請(qǐng)求
• 協(xié)議格式：JSON-RPC 2.0，定義了請(qǐng)求/響應(yīng)的標(biāo)準(zhǔn)結(jié)構(gòu)

對(duì)比Function Calling，MCP最大優(yōu)勢(shì)是解耦。Function Calling是模型廠商定義的，模型換了你就得改。MCP是中間層，模型和工具都通過這個(gè)標(biāo)準(zhǔn)接口對(duì)話，換模型不用動(dòng)工具代碼。

踩坑實(shí)錄：從環(huán)境配置到協(xié)議調(diào)試

第一步：環(huán)境配置的坑

# 我以為直接pip install mcp就行，結(jié)果...
pip install mcp

# 報(bào)錯(cuò)：缺少依賴
# 實(shí)際需要：
pip install "mcp[cli]" httpx sse-starlette

坑點(diǎn)1：官方文檔沒明確說需要sse-starlette，但不用的話Server啟動(dòng)會(huì)報(bào)錯(cuò)。這是MCP支持流式傳輸?shù)囊蕾嚒?/p>

第二步：工具函數(shù)封裝

假設(shè)我們要封裝一個(gè)天氣查詢工具：

# weather_tool.py
from mcp.server import Server
from mcp.types import Tool, TextContent
import httpx

app = Server("weather-server")

@app.list_tools()
async def list_tools():
    return [
        Tool(
            name="get_weather",
            description="獲取指定城市的天氣",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名稱"}
                },
                "required": ["city"]
            }
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "get_weather":
        city = arguments["city"]
        # 調(diào)用實(shí)際的天氣API
        async with httpx.AsyncClient() as client:
            resp = await client.get(
                f"https://api.weather.com/v1/{city}",
                headers={"Authorization": "Bearer your_key"}
            )
            data = resp.json()
        
        return [TextContent(type="text", text=f"{city}今天{data['temp']}℃，{data['condition']}")]

坑點(diǎn)2：inputSchema必須嚴(yán)格符合JSON Schema規(guī)范。我第一次少寫了"type": "object"，Client死活調(diào)不通，報(bào)錯(cuò)信息還不明確。

第三步：協(xié)議調(diào)試技巧

調(diào)試MCP最實(shí)用的幾招：

# 調(diào)試腳本：直接測(cè)試Server
import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def test_server():
    server_params = StdioServerParameters(
        command="python",
        args=["weather_tool.py"]
    )
    
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            
            # 1. 先列工具，看Schema對(duì)不對(duì)
            tools = await session.list_tools()
            print("可用工具:", [t.name for t in tools.tools])
            
            # 2. 測(cè)試調(diào)用
            result = await session.call_tool("get_weather", {"city": "北京"})
            print("調(diào)用結(jié)果:", result.content[0].text)

asyncio.run(test_server())

坑點(diǎn)3：MCP默認(rèn)用stdio通信，但生產(chǎn)環(huán)境需要用SSE（Server-Sent Events）。切換時(shí)要注意：

# 生產(chǎn)環(huán)境用SSE
from mcp.server.sse import SseServerTransport
from starlette.applications import Starlette
from starlette.routing import Route

sse = SseServerTransport("/messages")

async def handle_sse(request):
    async with sse.connect_sse(request.scope, request.receive, request._send) as streams:
        await app.run(streams[0], streams[1], app.create_initialization_options())

app = Starlette(
    routes=[
        Route("/sse", endpoint=handle_sse, methods=["GET"]),
        Route("/messages/", endpoint=sse.handle_post_message, methods=["POST"]),
    ]
)

實(shí)戰(zhàn)對(duì)比：MCP vs Function Calling

我做了個(gè)簡(jiǎn)單測(cè)試，用同一個(gè)天氣工具：

實(shí)際場(chǎng)景：我們團(tuán)隊(duì)有個(gè)內(nèi)部知識(shí)庫(kù)查詢工具，之前用Function Calling給GPT用，后來想接Claude，重寫了兩天。換成MCP后，工具代碼一行沒改，只在Agent側(cè)換了Client實(shí)現(xiàn)，半小時(shí)搞定。

商業(yè)價(jià)值：這不只是技術(shù)優(yōu)化

1. 降低多模型切換成本：今天用GPT，明天換龍蝦模型，工具層完全不用動(dòng)
2. 工具市場(chǎng)標(biāo)準(zhǔn)化：可以像npm/pip一樣發(fā)布MCP工具包，別人直接用
3. 私有協(xié)議兼容：把內(nèi)部API包裝成MCP Server，對(duì)外就是標(biāo)準(zhǔn)接口

我們有個(gè)客戶做電商客服Agent，需要對(duì)接十幾個(gè)內(nèi)部系統(tǒng)（訂單、庫(kù)存、CRM）。之前每個(gè)系統(tǒng)一套接口，Agent代碼臃腫不堪。用MCP重構(gòu)后，每個(gè)系統(tǒng)變成一個(gè)MCP Server，Agent只管調(diào)用，維護(hù)成本降了70%。

下一步行動(dòng)

1. 立即試水：把上面的天氣工具代碼跑通，10分鐘就能看到效果
2. 改造現(xiàn)有工具：挑一個(gè)你正在用的API，包裝成MCP Server
3. 加入生態(tài)：去龍蝦官網(wǎng)(m.gsdl.org.cn)的MCP工具市場(chǎng)看看，已經(jīng)有現(xiàn)成的數(shù)據(jù)庫(kù)、搜索引擎工具包

關(guān)鍵提醒：MCP還在快速迭代，協(xié)議版本要鎖定。我用的是2024-11-05版本，生產(chǎn)環(huán)境建議固定版本號(hào)，別用latest。

想深入交流MCP踩坑經(jīng)驗(yàn)，或者需要具體場(chǎng)景的代碼示例，直接去龍蝦官網(wǎng)的開發(fā)者社區(qū)發(fā)帖，我都在。