🎯 这篇文章目标

读完这篇文章，你将学会：

• MCP 协议的主要概念和工作原理
• 如何开发自己的 MCP Server
• 如何用 LangChain 调用自定义 MCP Server
• 跨进程通信的实现原理

一、为什么需要 MCP？

传统工具调用的痛点

在 AI Agent 项目中直接写死工具代码。会遇到以下使用者痛点

• 耦合度高工具只能在当前项目中使用，难以复用。
• 语言限制如果工具是 Java 或 Python 编写，Node.js 项目无法直接调用。
• 部署麻烦每次修改工具都需要重新部署整个服务。
• 维护成本高代码与业务逻辑混在一起，调试和测试不便。

// 传统方式：工具和代码耦合
async function queryUser {
const users = {
从"001"来看。{ name: "张三",email: "" },"002": { name: "李四",email: "" },};return users;}

MCP 的方法

MCP通过标准化的跨进程、跨语言通信，让 AI 能像调用本地函数一样调用独立进程中的工具。话说回来，

┌─────────────────┐ MCP协议 ┌─────────────────┐
│ AI Agent │ ────────────────────────→ │ MCP Server │
│ │ ←─────────────────────── │ │
└─────────────────┘ stdio / HTTP └─────────────────┘
Node.js Python
LangChain Java
Go

主要优势：

• 跨进程：工具运行不影响主进程稳定性。
• 跨语言：MCP Server 可使用任意编程语言实现。
• 即插即用：任何符合协议的 Server 都能被任意 Agent 调用。

MCP 的两种通信方式对比

二、准备工作

创建项目目录并初始化 npm

mkdir mcp-server-demo
cd mcp-server-demo
npm init -y
# 推荐使用 pnpm 加速依赖安装
pnpm i @modelcontextprotocol/sdk @langchain/core @langchain/openai @langchain/mcp-adapters chalk zod dotenv

依赖说明

.env 配置文件

 DEEPSEEK_API_KEY=your_deepseek_api_key

三、开发自定义 MCP Server

Create src/my-mcp-server.mjs

 // src/my-mcp-server.mjs
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";import { z } from "zod";话说回来，// 👇 模拟数据库，仅用于演示，可替换为真实 DB
const database = {
说到users，{
"001"的观点是，{ id:"001",name:"祖豪",email:"",role:"admin" }。"002": { id:"002",name:"光光",email:"",role:"user" },"003": { id:"003",name:"小红",email:"",role:"user" }
}
};// 创建 Server 实例
const server = new McpServer;// ------------------- 注册 Tool -------------------
server.registerTool(
"query_user",// 工具名称
{ // 工具元信息
description:`查询数据库中的使用者信息。输入使用者ID，返回姓名、邮箱、角色`,inputSchema:{ userId:z.string.describe }
}。// 参数校验
async =>{ // 执行函数
const user = database.users;if{
return {content:};}
return {content:};} // 返回值遵循 MCP 协议格式
);// ------------------- 注册 Resource -------------------
server.registerResource(
"使用教程",// 名称
"docs这方面，//guide"。// URI
{ description:"MCP Server 使用教程",mimeType:"text/plain"},// 定义
async=>{ // 内容生成函数
return {contents:};} // 返回 ResourcePayload
);// 启动 stdio 通信层
const transport = new StdioServerTransport;await server.connect;
// 程序运行至此会阻塞等待客户端请求

MCP Server 小结:

• Tool ：AI 主动调用执行具体业务，如查询使用者。
• Resource ：为 AI 提供上下文信息，如使用手册或常量表。
• StdioTransport ：基于 stdin/stdout 的轻量通信层，无需额外网络配置。

MCP Client 开发

Create src/langchain-mcp-test.mjs

 // src/langchain-mcp-test.mjs
import "dotenv/config";import { MultiServerMCPClient } from "@langchain/mcp-adapters";怎么说呢，import { ChatOpenAI } from "@langchain/openai";import chalk from "chalk";import { HumanMessage,SystemMessage。ToolMessage } from "@langchain/core/messages";// ---------- 初始化 MCP Client ----------
const mcpClient = new MultiServerMCPClient({
mcpServers:{
"my-mcp-server":{ command:"node",args: } // 自动启动子进程
}
});// ---------- 初始化 LLM ----------
const model = new ChatOpenAI({
modelName:"deepseek-v4-flash"。// 支持 function calling 的模型
apiKey的观点是，process.env.DEEPSEEK_API_KEY,configuration:{ baseURL:"https://api.deepseek.com/v1"}
});// ---------- 拉取 Tools & Resources ----------
const tools = await mcpClient.getTools;// 获取所有注册的 Tool 列表
const resourcesMap = await mcpClient.listResources;// 获取所有 Resource 列表
let systemPrompt = "";// 用作 SystemMessage 的上下文
for){
for{
const payload = await mcpClient.readResource;systemPrompt += payload.contents?.，.text?，"";}
}
// 将 Tools 注入模型，使其能够自动决定是否调用
const modelWithTools = model.bindTools;// ---------- AI 思考循环 ----------
async function runAgent{
const messages =;for{
console.log);const response = await modelWithTools.invoke;messages.push;if{
console.log);break，}
console.log.join}`));for{
const tool = tools.find;if{
const result = await tool.invoke;messages.push);}
}
}
return messages.content;}
// ---------- 示例执行 ----------
await runAgent;// 示例一：查询 Tool 调用
await runAgent;// 示例二：读取 Resource
await mcpClient.close;// 完成后关闭子进程

四、运行程序

启动 Server

 node src/my-mcp-server.mjs # 正常情况下不需要手动执行，客户端会自动 spawn 子进程。

启动 Client 并观察交互日志 ​​​​​​​​​ ​ ​ ​ ​ ​ ​ ​​​​​​​​​​​​​​​​​​​​​​ powershell node src/langchain-mcp-test.mjs

场景一：查询使用者信息
日志片段	正在等待AI思考,第 1 步…检测到 1 个工具调用 → query_user 正在等待AI思考,第 2 步…AI 最终回复： 使用者001的信息是：姓名：祖豪，邮箱：。角色：admin
场景二：获取使用教程
日志片段	正在等待AI思考,第 1 步…按理说，AI 最终回复：MCP Server 使用教程功能：提供使用者查询等工具…，