将 MCP 工具与代理配合使用

代理框架的 .Net 版本可与 官方 MCP C# SDK 一起使用，以允许代理调用 MCP 工具。

以下示例演示如何：

1. 设置和 MCP 服务器
2. 从 MCP 服务器检索可用工具的列表
3. 将 MCP 工具转换为 AIFunction's，以便可以将其添加到代理
4. 使用函数调用从代理调用工具

设置 MCP 客户端

首先，创建连接到所需 MCP 服务器的 MCP 客户端：

// Create an MCPClient for the GitHub server
await using var mcpClient = await McpClientFactory.CreateAsync(new StdioClientTransport(new()
{
    Name = "MCPServer",
    Command = "npx",
    Arguments = ["-y", "--verbose", "@modelcontextprotocol/server-github"],
}));

在本示例中：

• 名称：MCP 服务器连接的友好名称
• 命令：运行 MCP 服务器的可执行文件（此处使用 npx 运行 Node.js 包）
• 参数：传递给 MCP 服务器的命令行参数

检索可用工具

连接后，检索 MCP 服务器提供的工具列表：

// Retrieve the list of tools available on the GitHub server
var mcpTools = await mcpClient.ListToolsAsync().ConfigureAwait(false);

该方法 ListToolsAsync() 返回 MCP 服务器公开的工具集合。 这些工具会自动转换为代理可以使用的 AITool 对象。

使用 MCP 工具创建代理

在初始化期间创建代理并提供 MCP 工具：

AIAgent agent = new AzureOpenAIClient(
    new Uri(endpoint),
    new AzureCliCredential())
     .GetChatClient(deploymentName)
     .CreateAIAgent(
         instructions: "You answer questions related to GitHub repositories only.", 
         tools: [.. mcpTools.Cast<AITool>()]);

要点：

• 说明：提供与 MCP 工具功能相符的明确说明
• 工具：将 MCP 工具强制转换为 AITool 对象并将其分散到工具数组中
• 代理将自动访问 MCP 服务器提供的所有工具

使用代理

配置后，代理可以自动使用 MCP 工具来满足用户请求：

// Invoke the agent and output the text result
Console.WriteLine(await agent.RunAsync("Summarize the last four commits to the microsoft/semantic-kernel repository?"));

代理将：

1. 分析用户的请求
2. 确定需要哪些 MCP 工具
3. 通过 MCP 服务器调用相应的工具
4. 将结果合成为一致的响应

环境配置

请确保设置所需的环境变量：

var endpoint = Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT") ?? 
    throw new InvalidOperationException("AZURE_OPENAI_ENDPOINT is not set.");
var deploymentName = Environment.GetEnvironmentVariable("AZURE_OPENAI_DEPLOYMENT_NAME") ?? "gpt-4o-mini";

资源管理

始终正确处理 MCP 客户端资源：

await using var mcpClient = await McpClientFactory.CreateAsync(...);

使用 await using 可确保 MCP 客户端连接在超出范围时正确关闭。

常见 MCP 服务器

常用的 MCP 服务器包括：

• @modelcontextprotocol/server-github：访问 GitHub 存储库和数据
• @modelcontextprotocol/server-filesystem：文件系统作
• @modelcontextprotocol/server-sqlite：SQLite 数据库访问

每个服务器提供扩展代理功能的不同工具和功能。 通过此集成，代理可以无缝访问外部数据和服务，同时维护模型上下文协议的安全性和标准化优势。

此处提供了运行此示例的完整源代码和说明。

Python 代理框架为通过多种连接类型与模型上下文协议 （MCP） 服务器集成提供全面的支持。 这样，代理就可以无缝访问外部工具和服务。

MCP 工具类型

代理框架支持三种类型的 MCP 连接：

MCPStdioTool - 本地 MCP 服务器

用于 MCPStdioTool 使用标准输入/输出连接到以本地进程身份运行的 MCP 服务器：

import asyncio
from agent_framework import ChatAgent, MCPStdioTool
from agent_framework.openai import OpenAIChatClient

async def local_mcp_example():
    """Example using a local MCP server via stdio."""
    async with (
        MCPStdioTool(
            name="calculator", 
            command="uvx", 
            args=["mcp-server-calculator"]
        ) as mcp_server,
        ChatAgent(
            chat_client=OpenAIChatClient(),
            name="MathAgent",
            instructions="You are a helpful math assistant that can solve calculations.",
        ) as agent,
    ):
        result = await agent.run(
            "What is 15 * 23 + 45?", 
            tools=mcp_server
        )
        print(result)

if __name__ == "__main__":
    asyncio.run(local_mcp_example())

MCPStreamableHTTPTool - HTTP/SSE MCP 服务器

用于 MCPStreamableHTTPTool 通过 HTTP 连接到 MCP 服务器并 Server-Sent 事件：

import asyncio
from agent_framework import ChatAgent, MCPStreamableHTTPTool
from agent_framework.azure import AzureAIAgentClient
from azure.identity.aio import AzureCliCredential

async def http_mcp_example():
    """Example using an HTTP-based MCP server."""
    async with (
        AzureCliCredential() as credential,
        MCPStreamableHTTPTool(
            name="Microsoft Learn MCP",
            url="https://free.blessedness.top/api/mcp",
            headers={"Authorization": "Bearer your-token"},
        ) as mcp_server,
        ChatAgent(
            chat_client=AzureAIAgentClient(async_credential=credential),
            name="DocsAgent",
            instructions="You help with Microsoft documentation questions.",
        ) as agent,
    ):
        result = await agent.run(
            "How to create an Azure storage account using az cli?",
            tools=mcp_server
        )
        print(result)

if __name__ == "__main__":
    asyncio.run(http_mcp_example())

MCPWebsocketTool - WebSocket MCP 服务器

用于 MCPWebsocketTool 通过 WebSocket 连接连接到 MCP 服务器：

import asyncio
from agent_framework import ChatAgent, MCPWebsocketTool
from agent_framework.openai import OpenAIChatClient

async def websocket_mcp_example():
    """Example using a WebSocket-based MCP server."""
    async with (
        MCPWebsocketTool(
            name="realtime-data",
            url="wss://api.example.com/mcp",
        ) as mcp_server,
        ChatAgent(
            chat_client=OpenAIChatClient(),
            name="DataAgent",
            instructions="You provide real-time data insights.",
        ) as agent,
    ):
        result = await agent.run(
            "What is the current market status?",
            tools=mcp_server
        )
        print(result)

if __name__ == "__main__":
    asyncio.run(websocket_mcp_example())

常用 MCP 服务器

可与 Python 代理框架一起使用的常见 MCP 服务器：

• 计算器： uvx mcp-server-calculator - 数学计算
• 文件系统： uvx mcp-server-filesystem - 文件系统作
• GitHub： npx @modelcontextprotocol/server-github - GitHub 存储库访问权限
• SQLite： uvx mcp-server-sqlite - 数据库作

每个服务器提供不同的工具和功能，用于扩展代理的功能，同时维护模型上下文协议的安全性和标准化优势。