首页 › G LangGraph Agent 编排 › G4 工具与外部生态 › 03

G4-03 · MCP 协议接入与多模型路由:生态与省钱

实战阶段约 240 分钟阶段:G4 工具与外部生态

阶段:G4-工具与外部生态 | 预计耗时:75 分钟 | 前置:G4-02 RAG 检索节点 新依赖:pip install langchain-mcp-adapters -i https://pypi.tuna.tsinghua.edu.cn/simple(MCP server 自带运行依赖) 一句话定位:MCP 是工具的 USB 标准(2026 生态热点,你调研里 44% CAGR 的那项);多模型路由是成本设计——低配机学习者最容易被"一直用大模型"烧掉预算

学习目标

  1. 用 langchain-mcp-adapters 把一个现成 MCP server(filesystem)接进 agent——体验"标准接口一次接入、工具全家桶白送"
  2. 理解 MCP 的三层结构:宿主(agent) ↔ 客户端 ↔ 服务器
  3. 做一个双模型路由:便宜模型干活、贵模型把关

核心知识

1. MCP 是什么(三句话)

  • Model Context Protocol:Anthropic 发起、业界跟进的开放协议,统一"AI 应用 ↔ 工具/数据源"的接口
  • 以前:每接一个系统写一套胶水代码;现在:对方提供 MCP server,你接入就有一批标准工具
  • 对你的意义:接单时客户系统的对接工作量大幅下降,且"LangGraph + MCP"是 2026 招聘/接单高频关键词组合

2. 接入骨架(filesystem server = 让 agent 能读写指定目录)

from langchain_mcp_adapters.client import MultiServerMCPClient

client = MultiServerMCPClient({
    "fs": {
        "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "E:/zcode/DeepTraining/langgraph-learn/agent_workspace"],
        "transport": "stdio",
    }
})
tools = await client.get_tools()      # 异步拿到一堆标准工具
agent = create_agent(model=llm, tools=tools, ...)
  • 前提:本机有 Node.js(npx);没有就 winget install OpenJS.NodeJS.LTS 或先跳过本篇 MCP 半段,改用其它 stdio server
  • 安全红线:server 的参数里锁死允许访问的目录——给 agent 文件系统权限等于给陌生人配钥匙

3. 多模型路由(成本设计)

任务 模型 理由
字段抽取/分类/格式化 Qwen3.5-4B 级小模型 便宜、够准
复杂推理/最终把关 DeepSeek-V3.2 级大模型 质量关键步
图结构 路由节点用 Command/条件边 按任务难度分流

一次"4B 打草稿 → 大模型审稿"的组合,成本约为全程大模型的 1/5,质量接近——这是你以后报价单里的成本竞争力。

实验任务

任务 1:接 filesystem MCP server(40 分钟)

  1. 建 agent_workspace/ 目录放两个测试文件
  2. 按骨架接入,问 agent:"列出目录里的文件,并把 xx.txt 的第一行读给我"
  3. 观察 Studio:agent 用了哪几个 MCP 工具、参数是什么

任务 2:双模型路由(25 分钟)

把 G1-03 的手工图改成:agent节点(4B)→ router 判断"答案里含数字计算?" → 含: 校审节点(V3.2) → END——跑 5 个混合问题(一半简单一半要计算),记录 5B/4B 各被调了几次。

任务 3:成本心算(10 分钟)

查 SiliconFlow 价格页,算出"全程大模型 vs 路由方案"处理 1000 次对话的月成本差——数字写进笔记,这是你以后报价的素材。

验收标准

衔接下一阶段

工具生态齐了 → G5-01 Supervisor 主管模式:从单兵到团队。

小测验(3 题)

答完立即判分,错题给解析;得分存本地。实验与实操题不上网测:回对话找老师验收。