集成概览

框架集成概览¶

MCPStore 提供了与主流 AI 框架的无缝集成，让你可以轻松地在各种 AI 开发框架中使用 MCP 工具。

支持的框架¶

MCPStore 目前支持以下主流 AI 框架：

框架	状态	集成方式	文档
LangChain	完全支持	`for_langchain()`	查看文档
LlamaIndex	完全支持	`for_llamaindex()`	查看文档
CrewAI	完全支持	`for_crewai()`	查看文档
LangGraph	完全支持	`for_langgraph()`	查看文档
AutoGen	完全支持	`for_autogen()`	查看文档
Semantic Kernel	完全支持	`for_semantic_kernel()`	查看文档

快速开始¶

通用集成模式¶

所有框架集成都遵循相同的模式：

from mcpstore import MCPStore

# 1. 初始化 Store
store = MCPStore.setup_store()

# 2. 添加 MCP 服务
store.for_store().add_service({
    "mcpServers": {
        "weather": {"url": "https://mcpstore.wiki/mcp"}
    }
})

# 3. 等待服务就绪
store.for_store().wait_service("weather")

# 4. 转换为目标框架的工具格式
# LangChain
langchain_tools = store.for_store().for_langchain().list_tools()

# LlamaIndex
llamaindex_tools = store.for_store().for_llamaindex().list_tools()

# CrewAI
crewai_tools = store.for_store().for_crewai().list_tools()

# ... 其他框架类似

LangChain 集成示例¶

基础集成¶

from mcpstore import MCPStore
from langchain.agents import create_tool_calling_agent, AgentExecutor
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

# 初始化 MCPStore
store = MCPStore.setup_store()

# 添加服务
store.for_agent("agent1").add_service({
    "mcpServers": {
        "weather": {"url": "https://mcpstore.wiki/mcp"}
    }
})

# 等待服务就绪
store.for_agent("agent1").wait_service("weather")

# 转换为 LangChain 工具
lc_tools = store.for_agent("agent1").for_langchain().list_tools()

# 创建 LLM
llm = ChatOpenAI(temperature=0, model="gpt-4")

# 创建 Prompt
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个助手"),
    ("human", "{input}"),
    ("placeholder", "{agent_scratchpad}"),
])

# 创建 Agent
agent = create_tool_calling_agent(llm, lc_tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=lc_tools, verbose=True)

# 执行查询
response = agent_executor.invoke({"input": "北京的天气怎么样？"})
print(response.get('output'))

设置 return_direct¶

MCPStore 支持为工具设置 return_direct 标记：

# 设置工具重定向（LangChain return_direct）
store.for_agent("agent1").find_tool("get_weather").set_redirect(True)

# 转换为 LangChain 工具时，return_direct 会自动应用
lc_tools = store.for_agent("agent1").for_langchain().list_tools()

# 验证
for tool in lc_tools:
    if tool.name == "get_weather":
        print(f"return_direct: {tool.return_direct}")  # True

详细文档：LangChain 集成完整指南
使用示例：LangChain 示例代码

集成特性¶

统一接口¶

所有框架集成都使用相同的 API 模式：

# 统一的调用方式
framework_tools = store.for_store().for_{framework}().list_tools()

自动转换¶

MCPStore 会自动将 MCP 工具转换为目标框架的工具格式：

LangChain: 转换为 StructuredTool
LlamaIndex: 转换为 FunctionTool
CrewAI: 转换为 CrewAI 工具格式
LangGraph: 转换为 LangGraph 工具格式
AutoGen: 转换为 AutoGen 工具格式
Semantic Kernel: 转换为 SK 函数

保持同步¶

工具配置（如 return_direct）会自动同步到转换后的框架工具。

Agent 隔离¶

每个 Agent 可以有独立的服务和工具集成：

# Agent1 使用天气服务
store.for_agent("agent1").add_service({...})
agent1_tools = store.for_agent("agent1").for_langchain().list_tools()

# Agent2 使用搜索服务
store.for_agent("agent2").add_service({...})
agent2_tools = store.for_agent("agent2").for_langchain().list_tools()

# 两个 Agent 的工具完全隔离

集成对比¶

特性	LangChain	LlamaIndex	CrewAI	LangGraph	AutoGen	SK
工具转换	支持	支持	支持	支持	支持	支持
return_direct	支持	不支持	不支持	支持	不支持	不支持
异步支持	支持	支持	支持	支持	支持	支持
Agent 隔离	支持	支持	支持	支持	支持	支持
工具配置	支持	部分	部分	支持	部分	部分

各框架文档¶

LangChain¶

最流行的 AI 应用开发框架。

集成文档
使用示例
适用场景: Agent、Chain、RAG 应用

LlamaIndex¶

专注于数据检索和 RAG 的框架。

集成文档
适用场景: 数据检索、知识库问答

CrewAI¶

多 Agent 协作框架。

集成文档
适用场景: 多 Agent 系统、任务协作

LangGraph¶

基于图的 AI 工作流框架。

集成文档
适用场景: 复杂工作流、状态管理

AutoGen¶

微软的多 Agent 对话框架。

集成文档
适用场景: Agent 对话、代码生成

Semantic Kernel¶

微软的 AI 编排框架。

集成文档
适用场景: 企业应用、.NET 集成

最佳实践¶

使用 Agent 模式进行隔离¶

# 为不同用途创建独立的 Agent
research_tools = store.for_agent("research").for_langchain().list_tools()
writing_tools = store.for_agent("writing").for_langchain().list_tools()

设置合适的 return_direct¶

# 查询类工具适合 return_direct
store.for_agent("agent1").find_tool("search").set_redirect(True)

# 需要 Agent 解释的工具不设置
# store.for_agent("agent1").find_tool("analyze").set_redirect(False)

等待服务就绪¶

# 在转换工具前确保服务就绪
store.for_store().wait_service("service_name", timeout=30.0)
tools = store.for_store().for_langchain().list_tools()

错误处理¶

try:
    tools = store.for_store().for_langchain().list_tools()
    if not tools:
        print("警告：没有可用工具")
except Exception as e:
    print(f"工具转换失败: {e}")

常见问题¶

Q: 可以同时在多个框架中使用同一个 Store 吗？¶

A: 可以！MCPStore 支持同时为多个框架提供工具：

store = MCPStore.setup_store()
store.for_store().add_service({...})

# 同时使用
lc_tools = store.for_store().for_langchain().list_tools()
li_tools = store.for_store().for_llamaindex().list_tools()

Q: 框架集成会影响性能吗？¶

A: 不会。工具转换是轻量级操作，不会显著影响性能。

Q: 如何在框架中使用会话功能？¶

A: 部分框架支持会话。请参考各框架的详细文档。

Q: 集成后如何调试？¶

A: 启用调试模式：

store = MCPStore.setup_store(debug=True)