MCP Use 專案

MCP工具

MCP Use 專案

mcp-use 是一個開源的 Python 函式庫，其核心目標是提供最簡單、最靈活的方式，讓開發者能夠在自己的 Python 程式碼中，建立可以與任何模型內容協定 (Model Context Protocol, MCP) 伺服器互動的自訂 AI 代理 (Agent)。

這個專案的定位是作為一個程式化的、開放的替代方案，取代了以往需要依賴特定、封閉原始碼的應用程式客戶端（如 Cursor, Claude Desktop 等）才能與 MCP 伺服器互動的模式。

核心價值與功能

mcp-use 扮演了連接 大型語言模型 (LLM) 與 MCP 工具生態系 之間的關鍵橋樑。它讓開發者可以在他們熟悉的 Python 環境中，賦予 AI 代理使用各種強大工具的能力。

主要功能與特色

1. 極致的簡易性：專案的設計理念是簡潔。開發者僅需幾行 Python 程式碼，就能建立一個功能完整的 MCP 代理，並開始執行任務。

2. LLM 的靈活性：mcp-use 與廣受歡迎的 LangChain 框架深度整合。這意味著它可以與任何支援工具呼叫 (Tool Calling) 功能且 LangChain 支援的 LLM 一起使用，包括 OpenAI 的 GPT 系列、Anthropic 的 Claude 系列、Groq、Llama 等。

3. 強大的代理能力：

   • 多伺服器支援 (Multi-Server Support)：可以在單一代理中同時配置和使用來自多個不同 MCP 伺服器的工具。
   • 動態伺服器選擇 (Dynamic Server Selection)：當啟用 Server Manager 時，代理能夠智慧地根據 LLM 選擇的工具，自動連接到對應的 MCP 伺服器，提高了效率和準確性。
   • 串流輸出 (Streaming Output)：支援非同步串流 (astream)，可以即時獲取代理執行的中間步驟和最終結果，非常適合建構互動式應用。

4. 安全與控制：

   • 工具存取控制：開發者可以明確地設定 disallowed_tools 列表，來限制代理使用某些可能具有風險的工具（如檔案系統操作）。
   • 沙盒執行 (Sandboxed Execution)：這是一項非常強大的功能。透過與 E2B 雲端基礎設施的整合，mcp-use 可以在一個安全、隔離的雲端環境中執行 MCP 伺服器。這不僅極大地提升了安全性，也讓使用者無需在本地安裝複雜的依賴項。

5. 高度的可自訂性：除了使用內建的 MCPAgent，開發者也可以利用 LangChainAdapter，輕鬆地將 MCP 工具整合到自己客製化的 LangChain 代理中。

應用範例

透過 mcp-use，AI 代理可以執行各種複雜的任務，例如：

• 使用 Playwright 伺服器進行網頁瀏覽和資訊搜尋。
• 連接 Airbnb 伺服器來搜尋和比較房源。
• 操作 Blender 伺服器來創建 3D 模型。

總結來說，mcp-use 對於希望在 Python 中建構功能強大、可使用外部工具的 AI 代理的開發者來說，是一個不可或缺的函式庫。它以其簡潔的 API、高度的靈活性和強大的安全功能，極大地降低了整合 LLM 與 MCP 工具生態系的門檻。

• MCP平台來源: github
• 連結: https://github.com/mcp-use/mcp-use

立即試用MCP工具