最近在 Agent 项目中接入了 MCP(Model Context Protocol),踩了不少坑。今天就以 LangGraph 为例,聊聊 MCP 接入的架构设计、环境切换以及当 MCP 工具越来越多时,如何防止大模型"注意力涣散"。
一、 本地开发与线上部署怎么选?
在本地开发时,强烈推荐使用 stdio 模式直起,而不是去连 Docker 或线上环境。
- 优势 :改完代码重启即生效,不用 build 镜像;不依赖
docker network和端口映射;协议层完全一致。 - 避坑 :不要本地直连线上容器地址(如
http://mcp-xxx:8765),这是 Docker 内部 DNS,本地解析不了。 - 环境隔离 :MCP 连的是它所在环境的数据库。本地
stdio连本地库,线上连线上库。建议用环境变量(如MCP_URL)区分,并且在线上使用docker-compose时,务必用environment覆盖.env,因为environment优先级更高。
二、 代码设计与架构建议
- 依赖与连接 :使用
langchain-mcp-adapters,做成模块级懒加载单例。首次用到时建连并缓存list_tools(),不要每次请求都去握手。 - 工具过滤 :服务端可能给了 12 个工具,但 Agent 端只留 4~5 个核心的。模型选错的概率与工具数量成正比。
- 图结构设计 :不要把所有工具直接绑给 Supervisor(主管节点),这会导致路由逻辑混乱。建议采用
supervisor -> research | data | writer的结构,把data做成一个小型的 ReAct 循环。 - 结果截断与降级 :对于查询类工具,结果最多返回 500 行,截断到 20~30 行并转成 Markdown 表格,防止 token 爆炸。如果 MCP 挂掉,
data节点要优雅降级(返回"服务暂不可用"),绝不能拖垮主流程导致 500。
三、 接入第三方 MCP 的"三大坑"
未来接入第三方 MCP,代码写法与自有 MCP 没有区别,只是在配置字典里加一条。差异全在运行环境:
- stdio 容器跑不起来 :在 Mac 上用
npx跑得好好的,到python:3.12-slim镜像里就报FileNotFoundError。要么在 Dockerfile 里装 Node,要么直接改用 HTTP 地址。 - OAuth 授权失败 :像飞书、Notion 这类 MCP 需要弹浏览器授权。服务器没有浏览器,必须在部署前去平台建应用拿长期 Token(Bearer 头)。
- 凭证泄露:所有凭证必须走环境变量或 secrets,绝不进镜像。
四、 终极挑战:工具爆炸与模型注意力分散
当接入 2 ~ 3 个 MCP 后,工具数轻松超过 30 个。此时大模型会开始瞎选工具、参数幻觉,且每次请求光工具 schema 就要消耗 5000 ~ 9000 个 token。
按照工具数量,治理手段分四层(按投入从低到高):
- L1 工具瘦身(< 20 个) :合并同质化工具(如把
visit_stats和trend合并);给工具名加域前缀(如github_create_issue)防撞名;在描述里加一句"何时不用"来限制模型。 - L2 按域拆节点(20~30 个) :不同节点只绑定自己域的 3~5 个工具(如
research节点只有搜索,github节点只有 GitHub 工具)。Supervisor 做 4 选 1 的路由,比做 30 选 1 简单得多。 - L3 工具检索(30+ 个) :维护工具目录并做 Embedding,每次按用户提问检索出 Top 5~8 个工具注入 Prompt。
- L4 渐进披露 :只暴露粗粒度的"入口工具"(如
list_tables->describe_table->run_sql),按需查询。
一个容易忽略的点 :很多时候不是工具太多,而是语义重叠 。比如同时有 query_user 和 run_sql,模型就会随机挑。每次接入新 MCP,先问自己"这里面有几个是同一个意思",合并后再接入。
推进顺序建议 :本地跑通一个工具 -> 加 data 分支跑通 -> 补结构化工具 -> 最后配线上网络。先做最小闭环,风险最低。