Skip to main content
模型上下文协议（MCP）是一种开放协议，用于以模型无关的格式描述工具和数据源，使大语言模型能够通过结构化的 API 发现并使用它们。 代理服务器 使用 可流式传输的 HTTP 传输 实现了 MCP。这使得 LangGraph 代理 可以作为 MCP 工具 暴露出来，从而可以被任何支持可流式传输 HTTP 的 MCP 兼容客户端使用。 MCP 端点在 代理服务器 上的路径为 /mcp。 你可以设置 自定义认证中间件，以通过 MCP 服务器对用户进行身份验证，从而获取对 LangSmith 部署中用户作用域工具的访问权限。 此流程的示例架构：

​
要求

要使用 MCP，请确保已安装以下依赖项：
  • langgraph-api >= 0.2.3
  • langgraph-sdk >= 0.1.61
使用以下命令安装： 
pip install "langgraph-api>=0.2.3" "langgraph-sdk>=0.1.61"

​
使用概览

要启用 MCP：
  • 升级到使用 langgraph-api>=0.2.3。如果你正在部署 LangSmith，创建新修订版时会自动完成此操作。
  • MCP 工具（代理）将自动暴露。
  • 使用任何支持可流式传输 HTTP 的 MCP 兼容客户端进行连接。

​
客户端

使用 MCP 兼容客户端连接到代理服务器。以下示例展示了如何使用不同的编程语言进行连接。 
npm install @modelcontextprotocol/sdk
注意 将 serverUrl 替换为你的代理服务器 URL，并根据需要配置认证头。 
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StreamableHTTPClientTransport } from "@modelcontextprotocol/sdk/client/streamableHttp.js";

// 连接到 LangGraph MCP 端点
async function connectClient(url) {
    const baseUrl = new URL(url);
    const client = new Client({
        name: 'streamable-http-client',
        version: '1.0.0'
    });

    const transport = new StreamableHTTPClientTransport(baseUrl);
    await client.connect(transport);

    console.log("使用可流式传输 HTTP 传输连接成功");
    console.log(JSON.stringify(await client.listTools(), null, 2));
    return client;
}

const serverUrl = "http://localhost:2024/mcp";

connectClient(serverUrl)
    .then(() => {
        console.log("客户端连接成功");
    })
    .catch(error => {
        console.error("客户端连接失败:", error);
    });

​
将代理暴露为 MCP 工具

部署后，你的代理将作为工具出现在 MCP 端点中，具有以下配置：
  • 工具名称：代理的名称。
  • 工具描述：代理的描述。
  • 工具输入模式：代理的输入模式。

​
设置名称和描述

你可以在 langgraph.json 中设置代理的名称和描述： 
{
    "graphs": {
        "my_agent": {
            "path": "./my_agent/agent.py:graph",
            "description": "代理功能的描述"
        }
    },
    "env": ".env"
}
部署后，你可以使用 LangGraph SDK 更新名称和描述。

​
模式

定义清晰、最小化的输入和输出模式，以避免向大语言模型暴露不必要的内部复杂性。 默认的 MessagesState 使用 AnyMessage，它支持多种消息类型，但对于直接的大语言模型暴露来说过于通用。 相反，定义使用明确类型化输入和输出结构的 自定义代理或工作流。 例如，一个回答文档问题的工作流可能如下所示： 
from langgraph.graph import StateGraph, START, END
from typing_extensions import TypedDict

# 定义输入模式
class InputState(TypedDict):
    question: str

# 定义输出模式
class OutputState(TypedDict):
    answer: str

# 组合输入和输出
class OverallState(InputState, OutputState):
    pass

# 定义处理节点
def answer_node(state: InputState):
    # 替换为实际逻辑并执行有用操作
    return {"answer": "再见", "question": state["question"]}

# 使用显式模式构建图
builder = StateGraph(OverallState, input_schema=InputState, output_schema=OutputState)
builder.add_node(answer_node)
builder.add_edge(START, "answer_node")
builder.add_edge("answer_node", END)
graph = builder.compile()

# 运行图
print(graph.invoke({"question": "你好"}))
更多详情，请参阅 底层概念指南。

​
在你的部署中使用用户作用域的 MCP 工具

前提条件 你已添加了自己的 自定义认证中间件，该中间件填充了 langgraph_auth_user 对象，使其可通过可配置上下文在图中的每个节点访问。
要使用户作用域的工具在你的 LangSmith 部署中可用，请从实现如下代码片段开始： 
from langchain_mcp_adapters.client import MultiServerMCPClient

def mcp_tools_node(state, config):
    user = config["configurable"].get("langgraph_auth_user")
         , user["github_token"], user["email"], 等等。

    client = MultiServerMCPClient({
        "github": {
            "transport": "streamable_http", # (1)
            "url": "https://my-github-mcp-server/mcp", # (2)
            "headers": {
                "Authorization": f"Bearer {user['github_token']}"
            }
        }
    })
    tools = await client.get_tools() # (3)

    # 你的工具调用逻辑在这里

    tool_messages = ...
    return {"messages": tool_messages}
  1. MCP 仅支持向使用 streamable_http 和 sse transport 的服务器发出的请求添加请求头。
  2. 你的 MCP 服务器 URL。
  3. 从你的 MCP 服务器获取可用工具。
这也可以通过 在运行时重建你的图 来为新的运行设置不同的配置来完成

​
会话行为

当前的 LangGraph MCP 实现不支持会话。每个 /mcp 请求都是无状态且独立的。

​
认证

/mcp 端点使用与 LangGraph API 其余部分相同的认证。有关设置详情，请参阅 认证指南。

​
禁用 MCP

要禁用 MCP 端点，请在你的 langgraph.json 配置文件中将 disable_mcp 设置为 true： 
{
  "$schema": "https://langgra.ph/schema.json",
  "http": {
    "disable_mcp": true
  }
}
这将阻止服务器暴露 /mcp 端点。
将这些文档 通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。