Hugging Face 的 LOGO

🚀 在 KaibanJS 中拥抱 MCP：多智能体 AI 系统的一次飞跃

社区文章 发布于 2025 年 5 月 16 日
赞
-
Dariel Vila's avatar
达里尔·维拉
darielnoel

image/png

AI 格局正在迅速演变，随之而来的是赋能开发者构建更高效、可扩展系统的工具和协议。其中一项进步是将模型上下文协议（MCP）集成到 KaibanJS 中，这是我们用于构建多智能体 AI 系统的 JavaScript 框架。

🔍 什么是 MCP？

模型上下文协议（MCP）是 Anthropic 开发的一个开放标准，旨在简化 AI 模型与外部工具或数据源之间的交互。可以将 MCP 视为 AI 集成的 USB-C——它提供了一种通用、标准化的方式，使 AI 智能体能够连接各种服务，而无需定制连接器。

主要特点：

  • 标准化通信：MCP 为 AI 模型与工具和服务交互提供了结构化框架。
  • 工具访问与扩展：AI 助手可以利用外部工具获取实时洞察。
  • 安全且可扩展：促进与企业应用程序的安全且可扩展集成。

通过采用 MCP，开发者可以构建多智能体 AI 系统，其中多个专业智能体可以协同工作，共享相关信息而不会出现冗余或冲突。

🛠️ JavaScript 中的实现

在 JavaScript 生态系统中，MCP 的主要实现是 @modelcontextprotocol/sdk 库。虽然它功能全面，但为 KaibanJS 构建自定义包装器将带来巨大的维护开销，包括：

  • 持续跟踪不断发展的 MCP 标准。
  • 将工具转换为与 KaibanJS 架构匹配。
  • 为持续支持和更新分配资源。

相反，我们选择利用 @langchain/mcp-adapters，它将 MCP 工具无缝集成到 LangChain.js 应用程序中。鉴于 KaibanJS 构建于 LangChain.js 之上，此适配器可确保兼容性并减少额外支持的需要。

🔄 更新 LangChainJS 依赖项的重要性

为了促进 MCP 的集成，更新 LangChainJS 依赖项至关重要。在 KaibanJS v0.20.0 中，我们已将核心和工具包中的所有 @langchain 依赖项升级。这可确保：

  • 与最新 LangChain API 完全兼容。
  • 跨代理工作流的性能和稳定性增强。
  • 访问 LangChain 中的新功能和配置选项。

🧪 在 KaibanJS 中使用 MCP

将 MCP 集成到您的 KaibanJS 项目中非常简单。以下是设置方法：

  1. 安装 MCP 适配器:

    npm install @langchain/mcp-adapters

  2. 配置 MCP 客户端:

    import { MultiServerMCPClient } from "@langchain/mcp-adapters";

const mcpClient = new MultiServerMCPClient({
  prefixToolNameWithServerName: false,
  additionalToolNamePrefix: "",
  mcpServers: {
    tavily: {
      command: "npx",
      args: ["-y", "tavily-mcp@0.2.0"],
      env: {
        TAVILY_API_KEY: process.env.TAVILY_API_KEY || "",
        PATH: process.env.PATH || ""
      }
    },
    weather: {
      transport: "sse",
      url: "https://example.com/mcp-weather",
      headers: {
        Authorization: "Bearer token123"
      },
      useNodeEventSource: true,
      reconnect: {
        enabled: true,
        maxAttempts: 5,
        delayMs: 2000
      }
    }
  }
});

  3. 访问 MCP 工具:

    const mcpTools = await mcpClient.getTools();
console.log(mcpTools);

  4. 与 KaibanJS 代理集成:

    import { Agent } from "kaibanjs";

const searchAgent = new Agent({
  name: "Scout",
  role: "Information Gatherer",
  goal: "Find up-to-date information about the given sports query.",
  background: "Research",
  tools: [...mcpTools]
});

此设置允许您的 KaibanJS 代理利用通过 MCP 服务器公开的工具，从而增强其功能和互操作性。

🌐 浏览器困境

虽然 MCP 与服务器端环境的集成非常强大，但客户端支持（尤其是在浏览器中）仍然不足。@modelcontextprotocol/sdk 目前仅支持服务器端环境，这限制了 MCP 启用代理在基于浏览器的应用程序中的部署。

一些开发人员已经探索了诸如使用 WebSockets 或 WebAssembly 等变通方法，但这些解决方案既不标准化，也没有官方支持。缺乏稳定的客户端支持阻碍了完全去中心化、基于浏览器的 AI 代理的开发——这是 KaibanJS 热衷于追求的方向。

🚀 结论

KaibanJS 中采用 MCP 标志着在构建更模块化和可互操作的多智能体 AI 系统方面迈出了重要一步。通过利用 @langchain/mcp-adapters 等现有工具，我们确保了无缝集成，而无需维护自定义包装器所带来的开销。

然而，旅程并未就此结束。随着 AI 生态系统的发展，我们的工具和协议也必须随之发展。我们热切期待 MCP 的稳定客户端支持，以解锁基于浏览器的 AI 应用程序的新可能性。

敬请关注，继续构建！💪

🙋‍♂️ 免责声明

此帖子是与 Alex Anthony X/twitter 合作创建的。

🔗 联系我们

社区

注册 或 登录 以评论

赞
-