代理服务器中的 MCP 端点

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"

uv add "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。

JavaScript/TypeScript
Python

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);
    });

使用以下命令安装适配器：

pip install langchain-mcp-adapters

以下是如何连接到远程 MCP 端点并将代理用作工具的示例：

# 为 stdio 连接创建服务器参数
from mcp import ClientSession
from mcp.client.streamable_http import streamablehttp_client
import asyncio

from langchain_mcp_adapters.tools import load_mcp_tools
from langchain.agents import create_agent


server_params = {
    "url": "https://mcp-finance-agent.xxx.us.langgraph.app/mcp",
    "headers": {
        "X-Api-Key":"lsv2_pt_your_api_key"
    }
}

async def main():
    async with streamablehttp_client(**server_params) as (read, write, _):
        async with ClientSession(read, write) as session:
            # 初始化连接
            await session.initialize()

            # 将远程图作为工具加载
            tools = await load_mcp_tools(session)

            # 使用这些工具创建并运行一个 ReAct 代理
            agent = create_agent("gpt-5.4", tools)

            # 使用消息调用代理
            agent_response = await agent.ainvoke({"messages": "金融代理能为我做什么？"})
            print(agent_response)

if __name__ == "__main__":
    asyncio.run(main())

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}

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。
你的 MCP 服务器 URL。
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。

Agent server

Core capabilities

Develop agents

Deployment guides

Studio

Auth & access control

Server customization

代理服务器中的 MCP 端点

要求

使用概览

客户端

将代理暴露为 MCP 工具

设置名称和描述

模式

在你的部署中使用用户作用域的 MCP 工具

会话行为

认证

禁用 MCP

​要求

​使用概览

​客户端

​将代理暴露为 MCP 工具

​设置名称和描述

​模式

​在你的部署中使用用户作用域的 MCP 工具

​会话行为

​认证

​禁用 MCP

要求

使用概览

客户端

将代理暴露为 MCP 工具

设置名称和描述

模式

在你的部署中使用用户作用域的 MCP 工具

会话行为

认证

禁用 MCP