LangChain Learning Project

基于 LangChain 1.0.3 的 AI Agent 学习项目，展示如何使用 MCP (Model Context Protocol) 构建智能代理

项目概述

本项目是一个 LangChain 学习与实践项目，演示了如何构建具有外部工具调用能力的 AI Agent。通过集成 MCP 服务器，实现了对外部服务的调用，如天气查询、数学运算、学术搜索等功能。

技术栈

技术	版本	用途
LangChain	1.0.3	核心框架
LangChain-Community	0.4.1	社区组件
LangChain-MCP-Adapters	≥0.1.11	MCP 客户端
FastMCP	≥2.13.0	MCP 协议实现
LangChain-Ollama	≥1.0.0	Ollama 本地模型
LangGraph	-	Agent 记忆组件

项目结构

langchain-learning/
├── agent/
│   ├── langchain_agent.py          # MCP Agent (Ollama + weather + math)
│   └── langchain_agent_tool_mcp.py  # 扩展 Agent (+ arxiv + wikipedia + 自定义工具)
├── mcp/
│   ├── math_server.py               # 数学运算 MCP 服务器 (stdio)
│   └── get_weather_server.py        # 天气查询 MCP 服务器 (HTTP)
├── ollama/
│   └── ollama_demo.py               # Ollama 本地模型调用示例
├── main.py                          # 程序入口
├── pyproject.toml                   # 项目配置
└── .env                             # 环境变量 (API Keys)

功能特性

MCP 服务器

服务器	功能	传输方式	端口
math_server	加法、乘法运算	stdio	-
weather_server	城市天气查询	HTTP/SSE	9000

支持的 LLM

模型	类型	调用方式
gemma4:e2b / gemma4:26b	Ollama 本地	langchain_ollama
Qwen/Qwen3-14B	SiliconFlow 云端	OpenAI 兼容接口

工具集成

来源	工具
MCP Servers	get_weather, add, multiply
内置 (load_tools)	arxiv, wikipedia
自定义	greet(name)

快速开始

1. 安装依赖

uv sync

2. 配置环境变量

编辑 .env 文件：

# Ollama (本地)
OLLAMA_API_KEY=ollama
OLLAMA_BASE_URL=http://localhost:11434/v1

# SiliconFlow (可选云端)
SILICONFLOW_API_KEY=your_siliconflow_key
SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1

# 天气API
WEATHER_API_KEY=your_weatherapi_key

3. 启动 MCP 服务器

# 终端 1: 启动天气服务器 (HTTP)
python mcp/get_weather_server.py

# 终端 2: 启动数学服务器 (stdio)
python mcp/math_server.py

4. 运行 Agent

# Agent 1: Ollama + MCP (weather + math)
python agent/langchain_agent.py

# Agent 2: Ollama + MCP + 内置工具 + 自定义工具
python agent/langchain_agent_tool_mcp.py

5. Ollama 直接调用示例

python ollama/ollama_demo.py

使用示例

请输入你的问题（输入exit则退出） > 北京天气怎么样

计算过程:
- 调用工具: get_weather({'city': '北京'})
- get_weather 的结果是: {"location":{"name":"北京",...},"current":{"temp_c":22.0,...}}

最终答案: 北京的天气晴朗，温度约22°C。

Agent 对比

Agent	模型	MCP	内置工具	自定义工具
langchain_agent.py	Ollama	✅ weather, math	❌	❌
langchain_agent_tool_mcp.py	Ollama	✅ weather, math	✅ arxiv, wikipedia	✅ greet

核心代码说明

MCP 客户端配置

client = MultiServerMCPClient({
    "weather": {
        "url": "http://localhost:9000/mcp",
        "transport": "streamable_http",
    },
    "math": {
        "command": sys.executable,  # 使用当前解释器
        "args": ["./mcp/math_server.py"],
        "transport": "stdio"
    }
})

Agent 创建

from langchain.agents import create_agent
from langgraph.checkpoint.memory import InMemorySaver

agent = create_agent(
    model=llm,
    tools=tools,
    checkpointer=InMemorySaver()  # 会话记忆
)

依赖列表

核心依赖见 pyproject.toml：

• langchain >= 1.0.3
• langchain-community >= 0.4.1
• langchain-mcp-adapters >= 0.1.11
• langchain-ollama >= 1.0.0
• fastmcp >= 2.13.0.2
• wikipedia >= 1.4.0
• arxiv >= 2.2.0

学习资源

• LangChain 官方文档
• MCP 协议规范
• LangChain GitHub
• FastMCP 文档

License

MIT License