MCP 跨进程工具调用深度解析：从 LangChain Tool 的局限到自定义数据库查询 Server 实战

之前用 LangChain 的 tool() 注册的工具，只能在本项目里用。如果你想用 Java 写一个数据库查询工具、用 Python 写一个数据分析工具，然后让同一个 AI Agent 调用它们------怎么办？MCP 协议就是答案。本文从 Tool 的局限性出发，深入解析 MCP 跨进程通信的本质，并用 45 行代码实现一个完整的数据库查询 MCP Server。

前言

在前面的文章中，我们用 LangChain 的 tool() 函数注册了 read_file、execute_command 等工具。它们工作得很好，但有一个根本性局限------只能在同一个 Node.js 进程中运行。

这意味着：

你用 Java 写的数据库连接工具，Node.js Agent 调不了
你用 Python 写的数据分析脚本，Claude Code 用不了
你在 A 项目里写的工具，B 项目里不能直接复用

MCP（Model Context Protocol） 正是为了解决这个问题而诞生的。它让 AI Agent 能够跨进程、跨语言地调用任何工具。

一、LangChain Tool 的局限性

1.1 回顾：LangChain tool() 的工作方式

javascript 复制代码

import { tool } from '@langchain/core/tools';

const readFileTool = tool(
    async ({ filePath }) => {
        const content = await fs.readFile(filePath, 'utf-8');
        return content;
    },
    {
        name: 'read_file',
        description: '读取文件内容',
        schema: z.object({ filePath: z.string() })
    }
);

// 工具直接注册到模型
const modelWithTools = model.bindTools([readFileTool]);

1.2 三个核心问题

问题	说明
项目绑定	`read_file` 只能在当前 Node.js 项目中使用，换一个项目就得重写
语言绑定	只能用 JavaScript/TypeScript 编写，无法调用 Java/Python/Rust 工具
进程绑定	工具函数和 LLM 运行在同一个进程中，无法独立部署、独立扩展

yaml 复制代码

LangChain Tool 的局限：

  Agent（Node.js 进程）
  ├── tool1: read_file      ← 写死在代码里
  ├── tool2: write_file     ← 写死在代码里
  └── tool3: exec_command    ← 写死在代码里

  想加一个 Java 工具？→ 不行，进程语言是 Node.js
  想在另一个项目复用？→ 不行，代码耦合在项目里

1.3 理想方案：工具独立于 LLM

css 复制代码

理想架构：

  AI Agent（任意语言/框架）
       ↓ MCP 协议
  Tool A（Node.js）── 查询数据库
  Tool B（Python）─── 数据分析
  Tool C（Java）───── 调用内部 API
  Tool D（Rust）───── 高性能计算

  工具独立开发、独立部署、独立运行
  Agent 通过统一协议调用，不关心工具用什么语言写的

二、MCP 协议：跨进程工具调用的标准化方案

2.1 MCP 的核心定义

ini 复制代码

MCP = Model Context Protocol（模型上下文协议）

目标：标准化 LLM 与 Tool / Resource 之间的通信
本质：让 LLM 和 Tool 解耦

MCP 不是工具、不是框架、不是 SDK------它是一个通信协议，就像 HTTP 是浏览器和服务器之间的通信协议一样。

2.2 MCP 的两种通信方式

通信方式	适用场景	底层技术
stdio	本地跨进程调用	标准输入输出流（stdin/stdout）
HTTP/SSE	远程跨进程调用	网络请求

stdio 本地通信

c 复制代码

AI Agent（父进程）
    ↓ spawn 启动子进程
MCP Server（子进程）
    ├── 通过 stdin 接收 Agent 的请求（JSON-RPC）
    └── 通过 stdout 返回结果（JSON-RPC）

底层原理 ：当 Agent 启动一个 MCP Server 子进程时（类似 child_process.spawn），两者通过标准输入输出流通信。Agent 向子进程的 stdin 写入 JSON-RPC 消息，子进程处理后将结果写入 stdout。

HTTP 远程通信

arduino 复制代码

AI Agent（客户端）
    ↓ HTTP 请求
远程 MCP Server（服务器）
    ├── 接收请求
    ├── 调用工具
    └── 返回结果

2.3 MCP 和 fetch 的区别

笔记中有一个精准的区分：

维度	fetch / HTTP API	MCP
目的	获取数据（接口调用）	扩展 Context（工具 + 资源）
协议	HTTP + REST	JSON-RPC over stdio/HTTP
通信方向	单次请求-响应	持续的双向通信
能力	只能传数据	可以注册工具、暴露资源、持续交互

MCP 不是"调接口拿数据"，而是"给模型装上新的能力"------它扩展的是 Context（上下文），让 LLM 能做的更多（Tool）、知道的更多（Resource）。

2.4 MCP 的本质

复制代码

MCP 的本质 = 给 Model 扩展 Context

  Tool（工具）  → 让 LLM 能做更多（读文件、查数据库、发邮件）
  Resource（资源）→ 让 LLM 知道更多（内部文档、数据、配置）

三、实战：自定义数据库查询 MCP Server

3.1 项目结构

perl 复制代码

my-mcp-server/
├── my-mcp-server.mjs   # MCP Server 代码（45行）
├── package.json
└── .mcp.json           # Claude Code 接入配置

3.2 完整代码

my-mcp-server.mjs：

javascript 复制代码

import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import { z } from 'zod';

// 模拟数据库（未来可替换为真实数据库）
const database = {
  users: {
    '001': { id: '001', name: '祖豪', email: 'zh@qq.com', role: 'admin' },
    '002': { id: '002', name: '光光', email: 'gg@qq.com', role: 'user' },
    '003': { id: '003', name: '小红', email: 'xh@qq.com', role: 'user' },
  }
};

// 创建 MCP Server 实例
const server = new McpServer({
  name: 'my-mcp-server',
  version: '1.0.0'
});

// 注册工具
server.registerTool('query_user', {
  description: `查询数据库中的用户信息。输入用户ID, 
    返回该用户的详细信息（姓名、邮箱、角色）`,
  inputSchema: {
    userId: z.string().describe('用户ID, 例如：001, 002, 003')
  }
}, async (userId) => {
  const user = database.users[userId];
  if (!user) {
    return {
      content: [
        { type: 'text', text: `用户 ID ${userId} 不存在。
        可用的ID: 001, 002, 003`}
      ]
    };
  }
  return {
    content: [
      { 
        type: 'text', 
        text: `用户 ${user.id} 的信息是：
        姓名：${user.name}, 邮箱：${user.email}, 角色：${user.role}`
      }
    ]
  };
});

// 启动 stdio 传输
const transport = new StdioServerTransport();
await server.connect(transport);

3.3 代码逐行解析

第一步：模拟数据库

javascript 复制代码

const database = {
  users: {
    '001': { id: '001', name: '祖豪', email: 'zh@qq.com', role: 'admin' },
    // ...
  }
};

这里用内存对象模拟数据库。实际项目中，可以替换为 MySQL、PostgreSQL、MongoDB 等真实数据库连接。MCP Server 的魅力就在于此------底层实现可以随意替换，对 Agent 来说接口不变。

第二步：注册工具（registerTool vs tool）

注意这里用的是 server.registerTool，不是 LangChain 的 tool()：

对比项	LangChain `tool()`	MCP `server.registerTool()`
注册位置	LangChain 模型绑定	MCP Server 实例
调用方式	同进程函数调用	跨进程 JSON-RPC
语言限制	JavaScript only	任何语言（有 MCP SDK 即可）
复用性	项目内	跨项目

第三步：输入参数

javascript 复制代码

inputSchema: {
  userId: z.string().describe('用户ID, 例如：001, 002, 003')
}

Zod Schema 定义了工具接受的参数类型和描述。MCP SDK 会将其自动转换为 JSON Schema 发送给 LLM。

第四步：返回格式

javascript 复制代码

return {
  content: [
    { type: 'text', text: '...' }
  ]
};

MCP 标准返回格式：content 数组，每个元素包含 type 和 text（或 image）。

3.4 接入 Claude Code

.mcp.json：

json 复制代码

{
  "mcpServers": {
    "my-db": {
      "type": "stdio",
      "command": "node",
      "args": ["/path/to/my-mcp-server.mjs"]
    }
  }
}

使用方式：

perl 复制代码

⟩ 使用 my-db 工具查询用户 001 的信息

Claude Code 会自动：

分析请求 → 选择 my-db MCP Client
生成调用参数 { "userId": "001" }
通过 stdin 发送给我们的 MCP Server
Server 查询数据库 → 返回结果
LLM 基于结果生成回答

四、LangChain Tool vs MCP Tool 对比

4.1 架构对比

arduino 复制代码

LangChain Tool（同进程）：

  ┌─────────────────────────────┐
  │  Node.js 进程               │
  │                             │
  │  LLM ←→ tool() ←→ 函数体    │
  │       全部在一个进程内        │
  └─────────────────────────────┘


MCP Tool（跨进程）：

  ┌─────────────────────┐      ┌─────────────────────┐
  │  Agent 进程（Host）    │      │  MCP Server 进程      │
  │                     │      │                     │
  │  LLM ←→ MCP Client │ ←──→ │  MCP Server ←→ 工具  │
  │                     │ stdio│                     │
  └─────────────────────┘      └─────────────────────┘

4.2 完整对比表

维度	LangChain Tool	MCP Tool
通信方式	同进程函数调用	跨进程 JSON-RPC
语言支持	JavaScript only	Node.js / Python / Java / Rust ...
复用性	项目内绑定	跨项目、跨 Agent 复用
部署	随 Agent 一起部署	独立部署、独立运行
数据源	内存中的函数	任意（数据库、API、文件）
适用场景	快速原型、简单工具	生产环境、复杂工具链

4.3 何时用哪种？

场景	推荐
项目 Demo / 快速验证	LangChain `tool()`
只需在本项目使用的简单工具	LangChain `tool()`
需要跨项目复用的工具	MCP Server
需要用其他语言编写的工具	MCP Server
需要独立部署的数据库/API 工具	MCP Server
多个 Agent 共享同一套工具	MCP Server

五、从内存数据库到真实数据库

5.1 替换为 MySQL

javascript 复制代码

import mysql from 'mysql2/promise';

const pool = mysql.createPool({
  host: 'localhost',
  user: 'root',
  password: 'password',
  database: 'my_app'
});

server.registerTool('query_user', {
  description: '查询 MySQL 数据库中的用户信息',
  inputSchema: {
    userId: z.string().describe('用户ID')
  }
}, async (userId) => {
  const [rows] = await pool.execute(
    'SELECT id, name, email, role FROM users WHERE id = ?', [userId]
  );
  if (rows.length === 0) {
    return { content: [{ type: 'text', text: `用户 ${userId} 不存在` }] };
  }
  const user = rows[0];
  return {
    content: [{
      type: 'text',
      text: `姓名：${user.name}, 邮箱：${user.email}, 角色：${user.role}`
    }]
  };
});

关键点 ：MCP Server 的接口（注册工具、返回格式）不变，只是底层实现从内存对象换成了 MySQL 连接。Agent 完全感知不到这个变化------这就是协议解耦的威力。

知识树

vbscript 复制代码

MCP 跨进程工具调用深度解析
├── LangChain Tool 的局限
│   ├── 项目绑定（只能在本项目用）
│   ├── 语言绑定（只能用 JS）
│   └── 进程绑定（和 LLM 在同一进程）
├── MCP 协议
│   ├── Model Context Protocol（模型上下文协议）
│   ├── 核心目标：LLM 与 Tool/Resource 解耦
│   ├── 两种通信方式
│   │   ├── stdio（本地跨进程：stdin/stdout）
│   │   └── HTTP/SSE（远程跨进程）
│   ├── MCP vs fetch（扩展 Context vs 获取数据）
│   └── MCP 本质：给 Model 扩展 Context
├── 实战：数据库查询 MCP Server
│   ├── 模拟数据库 → 可替换为 MySQL/PG
│   ├── server.registerTool() 注册工具
│   ├── Zod Schema 参数定义
│   ├── MCP 标准返回格式（content 数组）
│   └── .mcp.json 接入 Claude Code
├── LangChain Tool vs MCP Tool 对比
│   ├── 同进程 vs 跨进程
│   ├── JS only vs 多语言
│   └── 何时用哪种
└── 进阶方向
    ├── 替换为真实数据库（MySQL）
    ├── 添加更多工具（增删改查）
    └── 多 Agent 共享同一 MCP Server

结语

从 LangChain tool() 到 MCP server.registerTool()，表面上看只是换了一种注册方式，本质上是一次架构升级：

tool() 是进程内函数调用------简单直接，但受限于语言和项目
registerTool() 是跨进程协议通信------复杂一些，但打破了所有边界

理解了这个区别，你就理解了 MCP 的核心价值：让工具独立于 LLM，让能力可以被任何 Agent 复用。

45 行代码，一个跨进程、可复用的数据库查询工具。这就是 MCP 协议的力量------工具不再被锁在某个项目里，而是成为所有 AI Agent 的公共能力。

参考与拓展阅读：

MCP 官方规范（Model Context Protocol Specification）
@modelcontextprotocol/sdk GitHub 仓库
《MCP 协议深度解析》------ AI 界的 USB-C 实战指南
《手写 MCP Server 全栈实战》------ Node.js + Zod 构建文件读取工具
《从零手写 AI Agent》------ LangChain + Tool 入门

如果本文帮你理解了 MCP 跨进程工具调用的原理和实战方法，欢迎点赞 + 收藏。你打算用 MCP 构建什么工具？欢迎在评论区分享你的想法 👇

#MCP #Node.js #跨进程通信 #AIAgent #ToolCalling #掘金技术社区