跨进程调用工具：MCP + LangChain 让 Agent 不再“锁死”在单一语言

先吃饱再说2026-07-13 18:23

跨进程调用工具：MCP + LangChain 让 Agent 不再"锁死"在单一语言

摘要：本地编写的 Tool 只能在当前项目中使用，换一个项目就要重写。MCP 协议让 Tool 可以独立于 LLM，实现跨进程、跨语言调用。本文用 LangChain 的 MCP 适配器连接 MCP Server，获取 Tools 和 Resources，构建一个能跨进程调用工具的 Agent。

📑 目录

  • 本地 Tool 的复用困境
  • MCP 协议：让工具解耦的"桥梁"
  • 环境准备与依赖
  • MCP Server 端：注册 Tool 和 Resource
  • MCP Client 端：MultiServerMCPClient 连接 Server
  • 获取 Resources：将资源注入 SystemMessage
  • Agent 循环调用跨进程 Tool
  • 进程管理：为什么需要 close？
  • 一点总结
  • 互动讨论

本地 Tool 的复用困境

在之前开发 Agent 时，我们直接在项目里用 LangChain 的 tool() 函数定义 Tool：

javascript

php 复制代码 
const readFileTool = tool(
    async ({ FilePath }) => { ... },
    { name: 'read_file', description: '...', schema: ... }
);

这种做法有两个明显的问题：

  1. Tool 只能在当前项目中使用，换一个项目就要复制粘贴，几乎没有复用性。
  2. 语言绑定：用 Node.js 写的 Tool，如果其他团队用 Python/Java/Rust，就需要重写。

理想的方案是：Tool 应该独立于 LLM，可以本地/远程、跨进程、跨语言调用。

这就是 MCP（Model Context Protocol）要解决的问题。

MCP 协议：让工具解耦的"桥梁"

MCP 是 LLM 与工具、资源之间的通信协议。它的核心价值在于标准化 ：

  • 标准化 LLM 与 Tool 和 Resource 之间的通信 → 解耦
  • 基于 stdio（标准输入输出流）进行本地进程通信，当一个进程（Agent）调用子进程时，通过 stdio 实现通信
  • 基于 HTTP 进行远程进程通信

不管是本地工具还是远程工具，Agent 想跨进程调用某个工具，通过 MCP 协议就可以完成。MCP 出现的背景是：Tool 已经编写了很多，但只能在不同项目中使用不同语言不断复写。

MCP 是给 Model 扩展 Context 上下文，让它做得更多（Tool），知道得更多（Resource）的 Protocol。

环境准备与依赖

项目使用 LangChain 的 MCP 适配器：

bash

bash 复制代码 
pnpm i @langchain/mcp-adapters @modelcontextprotocol/sdk zod dotenv
  • @langchain/mcp-adapters：LangChain 官方提供的 MCP 适配器，让 LangChain Agent 可以连接 MCP Server
  • @modelcontextprotocol/sdk：MCP 协议的标准 SDK，用于编写 Server 端
  • zod：参数校验

MCP Server 端：注册 Tool 和 Resource

在 my-mcp-server.mjs 中，我创建了一个 MCP Server，注册了一个 Tool 和一个 Resource。

创建 Server 实例

javascript

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';

const server = new McpServer({
    name: 'my-mcp-server',
    version: '1.0.0'
});

注册 Tool：query-user

javascript

css 复制代码 
// 模拟数据库，实际项目可以换成真实的数据库连接
const database = {
    users:{
        '001':{ id:'001', name:'许', email:'x@qq.com', role:'admin' },
        '002':{ id:'002', name:'锋', email:'f@qq.com', role:'user' },
        '003':{ id:'003', name:'聂', email:'n@qq.com', role:'user' }
    },
};

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}`
                }
            ]
        };
    }
);

registerTool 接收三个参数：

  • 工具名称（LLM 通过名称识别和调用）
  • 配置对象：description（告诉 LLM 这个工具能做什么）和 inputSchema（用 Zod 定义参数结构）
  • 处理函数：异步执行查询逻辑，返回结果

在实际业务中，database 可以换成真实的数据库、API 调用或其他数据源。这里的处理逻辑是：如果查询到用户，返回用户信息；如果没查到，返回友好的错误提示，告诉调用方可用的 ID 有哪些。

注册 Resource：使用指南

javascript

php 复制代码 
server.registerResource(
    '使用指南',                    // 资源名称
    'docs://guide',               // URI，MCP 协议中资源的唯一标识
    {
        description: 'MCP Server 使用指南',
        mimeType: 'text/plain'
    },
    async () => {
        return {
            contents: [
                {
                    uri: 'docs//guide',
                    mimeType: 'text/plain',
                    text: `
                    MCP Server 使用指南
                    功能：提供用户查询等工具。
                    使用：在 Cursor 等 MCP Client 中通过自然语言对话，Cursor 会自动调用相应工具。
                    `
                }
            ]
        };
    }
);

Resource 和 Tool 的关键区别：

  • Tool：可执行的函数，有副作用（查询、写入、操作外部世界）
  • Resource：只读的数据/文档内容，作为上下文提供给 LLM，让 LLM "知道"更多信息

注册 Resource 需要指定一个 URI（docs://guide），Client 通过这个 URI 来读取资源内容。mimeType 告诉 Client 返回内容的格式，text/plain 表示纯文本。

启动 Server（stdio 通信）

javascript

ini 复制代码 
const transport = new StdioServerTransport();
await server.connect(transport);

StdioServerTransport 使用标准输入输出进行通信，适合本地进程间通信。启动后 Server 会进入"伺服状态"，等待 Client 通过 stdin/stdout 发送请求。

MCP Client 端：MultiServerMCPClient 连接 Server

在 langchain-mcp-test.mjs 中，我用 LangChain 的 MultiServerMCPClient 连接 MCP Server。

创建 MCP Client

javascript

javascript 复制代码 
import { MultiServerMCPClient } from '@langchain/mcp-adapters';

const mcpClient = new MultiServerMCPClient({
    mcpServers: {
        'my-mcp-server': {
            command: 'node',
            args: ['D:/workspace/yjs_ai/ai/agent_in_action/mcp-demo/src/my-mcp-server.mjs']
        }
    }
});

MultiServerMCPClient 是 LangChain 提供的适配器，可以同时连接多个 MCP Server。每个 Server 通过 command + args 启动一个子进程------相当于 Client 进程会 fork 一个子进程来运行 Server。

获取 Tools 和 Resources

javascript

ini 复制代码 
const tools = await mcpClient.getTools();
const res = await mcpClient.listResources();

getTools() 返回一个 Tool 数组，可以直接用于 model.bindTools(tools)。这些 Tool 背后是通过 MCP 协议跨进程调用的------调用时 Client 通过 stdio 向 Server 发送请求，Server 执行后返回结果。

listResources() 返回一个对象，键是 Server 名称，值是 Resource 列表，结构如下：

javascript

css 复制代码 
{
    'my-mcp-server': [
        { uri: 'docs://guide', name: '使用指南', description: '...' }
    ]
}

获取 Resources：将资源注入 SystemMessage

Resource 作为只读数据，最好的用途是作为 SystemMessage 的一部分，成为 LLM 的上下文。

javascript

ini 复制代码 
let resourceContent = '';
for (const [serverName, resources] of Object.entries(res)) {
    for (const resource of resources) {
        const content = await mcpClient.readResource(serverName, resource.uri);
        resourceContent += content[0].text;
    }
}

// 将资源内容作为 SystemMessage
const messages = [
    new SystemMessage(resourceContent),
    new HumanMessage(query)
];

Object.entries() 把对象的 key 和 value 组成一个二维数组，key 在前面，value 在后面：

javascript

css 复制代码 
const obj = { 'bytedance': ['AI全栈开发','Agent工程师'], 'tecent': ['后端开发'] };
for (let [key, value] of Object.entries(obj)) {
    console.log(key, value);
}
// 输出：bytedance ['AI全栈开发','Agent工程师']
//       tecent ['后端开发']

这种遍历方式比 for...in 更清晰，因为 for...in 会遍历原型链上的属性，而 Object.entries() 只处理对象自身的可枚举属性。

Resource 和 RAG 的定位不同。RAG 适合大规模知识检索（向量数据库），Resource 适合小规模静态文档，因为 LLM 的上下文窗口有限，Resource 需要控制大小。

补充内容

for...in vs for...of 的区别

这里有两种方式遍历对象：

javascript

javascript 复制代码 
const obj = {
    'bytedance': ['AI全栈开发','Agent工程师'],
    'tecent': ['后端开发','Agent 工程师'],
    '163': ['前端开发']
};

// 方式一：for...in
for (let key in obj) {
    console.log(key, obj[key]);
}

// 方式二：for...of + Object.entries()
for (let [key, value] of Object.entries(obj)) {
    console.log(key, value);
}

两者输出结果相同，但底层机制完全不同：

特性 for...in for...of
遍历内容 对象的可枚举属性名（包括原型链上的） 可迭代对象的值
适用对象 普通对象 数组、字符串、Map、Set、类数组等可迭代对象
配合 Object.entries() 不需要 需要，因为普通对象本身不可迭代
返回值 属性名（key） 元素值（value）
是否遍历原型链 ✅ 会（需要用 hasOwnProperty 过滤） ❌ 不会，只遍历自身元素

简单理解：

  • for...in 是给对象用的，遍历的是 key
  • for...of 是给数组/可迭代对象用的，遍历的是 value
  • Object.entries(obj) 将对象转换成 [[key, value], ...] 的二维数组，让它变成可迭代的

这就是为什么在遍历对象时，for...of + Object.entries() 更推荐------它只处理对象自身的属性，不会意外遍历到原型链上的属性。for...in 虽然写法简单，但如果不做过滤，可能拿到意想不到的属性。

Agent 循环调用跨进程 Tool

获取 Tools 后，绑定到模型，进入 Agent 循环：

javascript

ini 复制代码 
const modelWithTools = model.bindTools(tools);

async function runAgentWithTools(query, maxIterations = 30) {
    const messages = [
        new SystemMessage(resourceContent),
        new HumanMessage(query)
    ];
    for (let i = 0; i < maxIterations; i++) {
        console.log(chalk.bgGreen(`正在等待AI思考,第${i}轮...`));
        const response = await modelWithTools.invoke(messages);
        messages.push(response);
        if (!response.tool_calls || !response.tool_calls.length) {
            console.log(`\nAI 最终回复: \n${response.content}`);
            return response.content;
        }
        console.log(chalk.bgBlue(`检测到${response.tool_calls.length}个工具调用`));
        console.log(chalk.bgBlue(`工具调用: ${response.tool_calls.map(t => t.name).join(',')}`));
        for (const toolCall of response.tool_calls) {
            const foundTool = tools.find(t => t.name === toolCall.name);
            if (foundTool) {
                const toolResult = await foundTool.invoke(toolCall.args);
                messages.push(new ToolMessage({
                    content: toolResult,
                    tool_call_id: toolCall.id
                }));
            }
        }
    }
    return messages[messages.length - 1].content;
}

tools.find() 匹配成功时不会再往后遍历，返回第一个匹配项。这是 find 方法的特点，适合查找唯一工具。如果找不到对应的 Tool，foundTool 为 undefined，这里会跳过不处理。

这里的 tools 是通过 MCP 协议跨进程获取的，调用 foundTool.invoke() 时，LangChain 的适配器会通过 MCP 协议把请求发送到 Server 进程，Server 执行后返回结果。整个过程对 Agent 来说是透明的------它只知道调用了一个 Tool，不知道这个 Tool 在另一个进程里运行。

进程管理：为什么需要 close？

运行 node langchain-mcp-test.mjs 后，程序执行完任务后不会自动退出。

原因在于进程关系：

  • 主进程（Client） ：运行 langchain-mcp-test.mjs
  • 子进程（Server） ：由 Client 通过 command: 'node' 启动，运行 my-mcp-server.mjs

MCP Server 是一个"伺服"进程------启动后会一直等待请求，不会主动退出。主进程完成任务后，由于子进程还在运行，主进程不会自动退出（需要等待子进程结束）。

解决方案是调用 mcpClient.close()：

javascript

csharp 复制代码 
await mcpClient.close();

close() 会关闭所有子进程与通信通道，释放进程资源。如果忘记调用，脚本会一直挂着不退出，占用内存和进程资源。

一点总结

通过这个项目，我理解了：

  1. 本地 Tool 的局限性：只能在当前项目使用，不能跨语言、跨进程复用。
  2. MCP 协议：标准化了 LLM 与 Tool/Resource 的通信，实现解耦。
  3. MCP Server：可以注册 Tool 和 Resource，通过 stdio（本地）或 HTTP（远程）通信。
  4. MultiServerMCPClient：LangChain 提供的适配器，让 Agent 可以连接多个 MCP Server。
  5. Resource 作为上下文 ：通过 listResources + readResource 获取文档内容，注入 SystemMessage。
  6. 进程管理 ：MCP Server 是常驻进程，需要主动 close() 释放资源。
  7. Object.entries() 遍历对象 ：比 for...in 更清晰，只处理自身属性。

互动讨论

  1. 本地 Tool 和 MCP Tool 的核心区别是什么？ 为什么 MCP 能实现跨进程调用？
  2. Tool 和 Resource 在 MCP 中的定位有什么不同？ 分别适合什么场景？
  3. Object.entries() 和 for...in 遍历对象的区别是什么？ 为什么 Object.entries() 更推荐？
  4. 为什么 MCP Server 需要 close() 才能让进程退出？ 如果不关闭会有什么后果？
  5. RAG 和 MCP Resource 都可以给 LLM 提供知识，它们各自适合什么场景？

📌 一点心得：MCP 让 Tool 从"项目内部函数"变成了"可独立部署的服务单元"。这种解耦不仅提升了复用性，还让 Agent 可以跨语言、跨进程调用工具，真正实现了工具的"资产化"。

相关推荐
带刺的坐椅2 小时前
SolonCode v2026.7.13 发布：多工作区协同、推理水平可控、子代理任务分组、工程体验再进化
llm·agent·codex·solon-ai·claudecode·opencode
张彦峰ZYF2 小时前
大模型LLM ACA - ACP认证考试真题冲刺演练二答案参考
人工智能·lora·llm·embedding·rag·few-shot
掰头战士3 小时前
你本地的LLM有时会胡乱使用tools？不妨用MCP规范LLM工具调用！
node.js·llm·全栈
Token炼金师3 小时前
注意力的六脉：QKV 数学、头设计、RoPE、Flash、掩码与剪枝 —— Transformer 核心机制全解
人工智能·深度学习·llm
触底反弹3 小时前
🧠 LangChain Agent 入门：为什么直接调大模型 API 远远不够？
人工智能·node.js·llm
BraveWang4 小时前
【LangChain 1.x】04、模型调用方式｜invoke、stream、batch、异步调用
langchain
喵叔哟4 小时前
第二周概述
人工智能·langchain
meilindehuzi_a5 小时前
远程 MCP 项目实战：LangChain 连接高德地图、Chrome DevTools 与文件系统
人工智能·langchain·chrome devtools
热门推荐
01GitHub 镜像站点02AI科技热点日报 | 2026年07月01日03幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南042026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片05GPT-5.5 对比 GPT-5.6 Sol、Terra、Luna：官方性能数据与选型分析062026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？072026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf082026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？09AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路102026 年 AI 大模型 & AI 编程工具实战全总结