2025-06-05 07:16:31

只需6行代码即可轻松实现应用调用Mcp工具的功能，快来看看如何操作！

目前，很多的使用MCP的案例都是基于Cursor，Claude Desktop等客户端展开的，那么如何在现有的系统里通过代码集成呢？

6行代码让你的应用也能调用Mcp工具！-AI.x社区

今天，介绍一个很不错的MCP客户端库mcp-use，集成非常简单，仅需 6 行代码即可创建第一个支持 MCP 的Agent，可与任何支持工具调用的 Langchain 支持的 LLM（OpenAI、Anthropic、Groq、LLama 等）配合使用，不仅支持本地MCP Server，还支持sse协议下的远程MCP 服务器，这样就可以和Dify这样框架集成（Dify也支持MCP了！）解锁更多能力，同时还可以在单个Agent中同时调用多个 MCP Server。

下面是一个使用案例：

import asyncioimport osfrom dotenv import load_dotenvfrom langchain_anthropic import ChatAnthropicfrom mcp_use import MCPAgent, MCPClientasync def main():    # Load environment variables    load_dotenv()    # Create configuration dictionary    config = {      "mcpServers": {        "playwright": {          "command": "npx",          "args": ["@playwright/mcp@latest"],          "env": {            "DISPLAY": ":1"          }        }      }    }    # Create MCPClient from configuration dictionary    client = MCPClient.from_dict(config)    # Create LLM    llm = ChatAnthropic(model="claude-3-7-sonnet-20250219")    # Create agent with the client    agent = MCPAgent(llm=llm, client=client, max_steps=30)    # Run the query    result = await agent.run(        "Find the best restaurant in San Francisco",    )    print(f"\nResult: {result}")if __name__ == "__main__":    asyncio.run(main())

也可以通过mcp文件加载,这就使得我们可以无缝的将cursor等客户端的配置平滑迁移过来使用：

client = MCPClient.from_config_file(      os.path.join("browser_mcp.json")  ){"mcpServers": {"playwright": {    "command": "npx",    "args": ["@playwright/mcp@latest"],    "env": {      "DISPLAY": ":1"    }  }}}

有了它，可以很方便的实现一些过去挺麻烦的操作，比如验证码横行的当下，利用这种方式，可以轻易绕过，顺利获得数据。

6行代码让你的应用也能调用Mcp工具！-AI.x社区