模型上下文协议 (MCP) 使代理能够通过标准化接口与外部系统进行交互。 您可以使用 Agno 的 MCP 集成将您的代理连接到任何 MCP 服务器。

​
用法

1

查找要使用的 MCP 服务器

您可以使用任何可正常工作的 MCP 服务器。要查看一些示例，您可以查看由 MCP 维护者自己维护的 此 GitHub 存储库。

2

初始化 MCP 集成

将 MCPTools 类初始化为上下文管理器。定义 MCP 服务器的推荐方法是使用 command 或 url 参数。使用 command，您可以传递用于运行所需 MCP 服务器的命令。使用 url，您可以传递正在运行的所需 MCP 服务器的 URL。

例如，要使用 “mcp-server-git” 服务器，您可以这样做：

from agno.tools.mcp import MCPTools

async with MCPTools(command=f"uvx mcp-server-git") as mcp_tools:
    ...
3

将 MCPTools 提供给代理

初始化代理时，请在 tools 参数中传递 MCPTools 类。

现在代理已准备好使用 MCP 服务器：

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.mcp import MCPTools

async with MCPTools(command=f"uvx mcp-server-git") as mcp_tools:
    # 设置并运行代理
    agent = Agent(model=OpenAIChat(id="gpt-4o"), tools=[mcp_tools])
    await agent.aprint_response("What is the license for this project?", stream=True)

​
基本示例：文件系统代理

这是一个文件系统代理，它使用 Filesystem MCP 服务器 来浏览和分析文件：

filesystem_agent.py
import asyncio
from pathlib import Path
from textwrap import dedent

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.mcp import MCPTools
from mcp import StdioServerParameters


async def run_agent(message: str) -> None:
    """使用给定的消息运行文件系统代理。"""

    file_path = str(Path(__file__).parent.parent.parent.parent)

    # 用于访问文件系统（通过 `npx`）的 MCP 服务器
    async with MCPTools(f"npx -y @modelcontextprotocol/server-filesystem {file_path}") as mcp_tools:
        agent = Agent(
            model=OpenAIChat(id="gpt-4o"),
            tools=[mcp_tools],
            instructions=dedent("""\
                您是一个文件系统助手。帮助用户浏览文件和目录。

                - 导航文件系统以回答问题
                - 使用 list_allowed_directories 工具查找您可以访问的目录
                - 提供您检查过的文件的清晰上下文
                - 使用标题组织您的响应
                - 简洁明了，专注于相关信息\
            """),
            markdown=True,
            show_tool_calls=True,
        )

        # 运行代理
        await agent.aprint_response(message, stream=True)


# 示例用法
if __name__ == "__main__":
    # 基本示例 - 探索项目许可证
    asyncio.run(run_agent("What is the license for this project?"))

​
在 Agno Playground 中使用 MCP

您也可以在 Agno Playground 中运行 MCP 服务器，它提供了一个用于与您的代理交互的 Web 界面。以下是在 Playground 中运行的 GitHub 代理的示例：

github_playground.py
import asyncio
from os import getenv
from textwrap import dedent

import nest_asyncio
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.playground import Playground
from agno.storage.agent.sqlite import SqliteAgentStorage
from agno.tools.mcp import MCPTools

# 允许嵌套事件循环
nest_asyncio.apply()

agent_storage_file: str = "tmp/agents.db"


async def run_server() -> None:
    """运行 GitHub 代理服务器。"""
    github_token = getenv("GITHUB_TOKEN") or getenv("GITHUB_ACCESS_TOKEN")
    if not github_token:
        raise ValueError("需要 GITHUB_TOKEN 环境变量")

    # 创建一个客户端会话以连接到 MCP 服务器
    async with MCPTools("npx -y @modelcontextprotocol/server-github") as mcp_tools:
        agent = Agent(
            name="MCP GitHub Agent",
            tools=[mcp_tools],
            instructions=dedent("""\
                您是一个 GitHub 助手。帮助用户浏览存储库及其活动。

                - 使用标题组织您的响应
                - 简洁明了，专注于相关信息\
            """),
            model=OpenAIChat(id="gpt-4o"),
            storage=SqliteAgentStorage(
                table_name="basic_agent",
                db_file=agent_storage_file,
                auto_upgrade_schema=True,
            ),
            add_history_to_messages=True,
            num_history_responses=3,
            add_datetime_to_instructions=True,
            markdown=True,
        )

        playground = Playground(agents=[agent])
        app = playground.get_app()

        # 提供应用程序，同时保持 MCPTools 上下文管理器处于活动状态
        playground.serve(app)


if __name__ == "__main__":
    asyncio.run(run_server())

​
最佳实践

  1. 错误处理: 始终包含对 MCP 服务器连接和操作的适当错误处理。

  2. 资源清理: 将 MCPTools 或 MultiMCPTools 用作异步上下文管理器，以确保正确清理资源：

async with MCPTools(command) as mcp_tools:
    # 您的代理代码在这里
  1. 清晰的说明: 为您的代理提供清晰具体的说明：
instructions = """
您是一个文件系统助手。帮助用户浏览文件和目录。
- 导航文件系统以回答问题
- 使用 list_allowed_directories 工具查找可访问的目录
- 提供您检查过的文件的清晰上下文
- 简洁明了，专注于相关信息
"""

​
更多信息