将LangGraph4j开发的Agent智能体封装成MCP服务（附源码）

构建基于 MCP 框架的智能体 Agent 是实现多智能体系统（MAS）高效协作的重要方式。MCP 作为统一通信协议，为各类 Agent 提供了标准化接口和互操作性支持，使其能够无缝集成并协同工作[^3]。以下是使用 MCP 框架搭建智能体 Agent 的关键步骤： ### 设计 Agent 能力声明文件 每个 Agent 需要定义其能力范围、交互方式及可用工具。通常通过 `a2a_agent_card.json` 或类似的 JSON 文件进行声明，例如： ```json { "agent_id": "hotel_search_agent", "name": "Hotel Search Agent", "description": "提供酒店搜索服务，支持按地点、价格、星级等条件筛选", "capabilities": ["search_hotels", "filter_by_price", "sort_by_rating"], "protocols": ["mcp-1.0"] } ``` 该文件用于向其他 Agent 和系统描述当前 Agent 的功能边界和通信规范[^1]。 ### 实现 Agent 核心逻辑 采用 LangChain 等框架可快速构建 LLM 驱动的 Agent，并将其接入 MCP 协议中。以下是一个使用 LangChain 构建的酒店搜索 Agent 示例代码片段： ```python from langchain.agents import initialize_agent, Tool from langchain.chat_models import ChatOpenAI from mcp.client import MCPClient class HotelSearchAgent: def __init__(self): self.llm = ChatOpenAI(model="gpt-4o") self.tools = [ Tool(name="SearchHotels", func=self._search_hotels, description="根据输入参数搜索酒店"), Tool(name="FilterByPrice", func=self._filter_by_price, description="根据价格过滤酒店列表") ] self.agent = initialize_agent(self.tools, self.llm, agent="structured-chat-zero-shot-react-description") def _search_hotels(self, location: str): # 模拟调用外部 API 进行酒店搜索 return [{"name": "Grand Hotel", "price": "$200", "rating": 4.5}, {"name": "Budget Inn", "price": "$80", "rating": 3.7}] def _filter_by_price(self, hotels: list, max_price: float): return [h for h in hotels if float(h["price"].replace("$", "")) <= max_price] def run(self, query: str): return self.agent.run(query) ``` 在此基础上，可通过 MCPClient 接口将 Agent 注册到 MCP 网络中，从而实现跨 Agent 通信与协作[^1]。 ### 配置服务端与发现机制 为了使 Agent 可被其他系统或 Agent 发现，需配置标准的 `.well-known/agent.json` 文件，内容如下： ```json { "name": "Hotel Search Agent", "url": "https://hotel-search-agent.example.com", "version": "1.0", "mcp_version": "1.0", "supported_protocols": ["mcp-1.0"], "contact": "[email protected]" } ``` 该文件放置于静态目录下的 `.well-known` 子目录中，便于自动发现和连接其他符合 MCP 标准的 Agent[^1]。 ### 启动服务并接入 MCP 网络 最后，在 `langchain_server.py` 中启动 Flask 或 FastAPI 服务以对外暴露接口，并确保与 MCP 客户端正确集成： ```python from flask import Flask from hotel_search_app.langchain_agent import HotelSearchAgent app = Flask(__name__) agent = HotelSearchAgent() @app.route("/query", methods=["POST"]) def handle_query(): data = request.get_json() result = agent.run(data["query"]) return jsonify(result) if __name__ == "__main__": app.run(host="0.0.0.0", port=5000) ``` ###