工具越来越多，管理越来越乱

搭好一个 Agent 之后第一件事往往是给它加工具：搜索、代码执行、数据库查询、API 调用…，

用传统的 Function Calling，工具定义是这样的：

@tooldef search_jira -> str:
"""搜索 Jira 工单"""
...
@tooldef query_database -> str:
"""执行 SQL 查询"""
...
agent = create_react_agent

这套方案很好用——直到你开始建立第二个 Agent。

痛点：同一套工具要在每个 Agent 中重复定义/复制粘贴。一旦逻辑改动，你得在四个文件里都改；如果工具用 TypeScript 写就更麻烦。

这就是 MCP 要解决的问题：把工具从“每个 Agent 自己定义”变成“统一的服务，所有 Agent 按协议连接”。

MCP 的三层架构

MCP 把工具调用拆成三个角色：

┌────────────────────────────────────────────────────────────────┐
│ MCP 架构 │
├──────────────────┬──────────────────────────────────────────────┤
│ Host │ 承载 Agent 的环境：Claude Desktop、 │
│ │ Claude Code、自定义 LangChain App │
│ │ 包含一个或多个 MCP Client │
├──────────────────┼──────────────────────────────────────────────┤
│ Client │ 内嵌在 Host 里的协议客户端 │
│ │ 负责与 MCP Server 建立连接和通信 │
├──────────────────┼──────────────────────────────────────────────┤
│ Server │ 独立进程。暴露工具 │
│ │ 也可以暴露资源和提示 │
└──────────────────┴──────────────────────────────────────────────┘
通信方式的观点是，本地：stdio
从远程来看，HTTP + SSE

• 痛点：传统 Function Calling 工具写在 Agent 代码里同进程调用；当需要跨团队共享或更新时难以维护。
• MCP Server 是独立进程 → 可以用任何语言实现。也能被任意数量的 Agent 共享，无需改动 Agent 代码。
• MCP 使用 JSON‑RPC 协议 → 跨语言支持。

Demo ：传统 Function Calling 的问题

@lc_tooldef calculator -> str:
"""Evaluate a simple arithmetic expression."""
...
@lc_tooldef text_stats -> str:
"""Return word count,sentence count。and character count."""
...
@lc_tooldef wear_mock -> str:
"""Return mock wear data for a city."""
...
traditional_tools =
agent = create_react_agent

说到实测三个问题，

Q: What is ** + /?A: The result of ** + / is .
Q: Analyze this text: 'Python is elegant. It is readable. Everyone loves it!
怎么说呢，'
A: X words,Y sentences。
Z characters.
Q: What's wear in Beijing?A: sunny,°C，humidity %.

痛点：

• 工具定义在同一文件； 若另一个 Agent 需要这些工具，只能 copy‑paste 或重新 import。
• 修改 calculator 的逻辑时需要逐文件检查引用。
• 如果用 TypeScript 实现，则此方案根本行不通。说起来，

MCP Server —— 动态工具发现 Demo

用 FastMCP 实现一样的三个工具，作为独立 MCP Server：

# tools_server.py
from mcp.server.fastmcp import FastMCP
mcp = FastMCP
@mcp.tool
def calculator -> str:
"""Evaluate a simple arithmetic expression ."""
...
@mcp.tool
def text_stats -> str:
"""Return word count,sentence count,and character count for given text."""
...
@mcp.tool
def wear_mock -> str:
"""Return mock wear data for a city ."""
...
if __name__ == "__main__":
mcp.run

Client 侧连接并发现工具：

from mcp import ClientSession,StdioServerParameters
from mcp.client.stdio import stdio_client
server_params = StdioServerParameters(
command="python"。args=
)
async with stdio_client as :
async with ClientSession as session:
await session.initialize # 初始化连接
tools_result = await session.list_tools # 动态发现所有可用工具
print

实测 list_tools 返回：

Server: demo-tools
Discovered tools:
● calculator — Evaluate a simple arithmetic expression .
● text_stats — Return word count,sentence count and character count for given text.
● wear_mock — Return mock wear data for a city .

关键点：

• The client code never hard‑codes tool names.
• The tool directory comes from Server dynamically.
• This eliminates copy‑paste and keeps tool definitions centralized.

MCP 与 LLM Agent 的协作 Demo

把 MCP 工具模式自动转换成 LangChain Tool 对象。Agent 代码几乎与上面相同，只是通过异步客户端获取 Tool 列表并注入到 Agent 中。

from langchain_mcp_adapters.client import MultiServerMCPClient
client = MultiServerMCPClient({
"demo-tools": {
"command": "python","args":,"transport": "stdio"。}
})
mcp_tools = await client.get_tools #
agent = create_react_agent
result = await agent.ainvoke]})
print

注意事项：

• MCP 工具是异步的，需要使用 .
• A sync call ) 会报错或阻塞。

MCP vs Function Calling 对比矩阵

. . . . . . . . . . . . .

维度	Function Calling	MCP
工具定义位置	在 Agent 代码里	在独立 MCP Server
工具发现方式	import / 硬编码	list_tools – 动态发现
跨 Agent 重用	copy-paste 或 re-import	所有 Agents 同一 Server
更新机制	修改每个 Agent 文件	只需更新 Server
跨语言支持	Avoiding se pitfalls ensures smoor team collaboration and faster delivery. | - Simplify development by focusing on core business logic rar than plumbing details.  | - Create reusable services that can be shared across multiple projects without duplication.  | - Your product roadmap becomes clearer when you can decouple features from infrastructure concerns.| - Simplify maintenance across teams by centralizing tool logic in one place. \t\t\t\t\t\t\t\t\t\t\t ';} },{ "name"这方面，"LangChain Integration","type":"text/html"

Truncated due to length limit.'>'/>

---

知名 MCP Server 环境圈介绍

 官方 MCP Servers：
server-filesystem — 本地文件程序读写
server-github — GitHub Repo / Issue / PR 操作
server-postgres — PostgreSQL 查询
server-brave-search — 网络搜索

社区维护：
搜索 awesome-mcp-servers 获取完整列表
包括的观点是。Jira、Slack、Notion、Linear、Figma 等Claude Code 的工具就是通过 MCP 接入的： → 文件读写、终端命令、代码搜索…，都是 MCP Server 工具

---

MCP Server 开发 Checklist 与常用方法

---

与收获——五大主要结论

 “MCP解决的是‘怎么调取…”，而不是单纯把功能放进程序里。话说回来，功能模块化后才能真正实现可维护和复用。其实，

 “动态发现让代理不必知道具体名称”。所以真正解耦了业务与技术细节。“独立进程带来跨语言能力”，即便是 JavaScript 写成服务也能被 Python 调用。

---

Sorry，我之前出现了一些排版错误。下面重新给出完整且简洁的 HTML 内容，并突出使用者痛点：

---

---