文档备案控制台登录立即注册
首页文章问答视频活动下载资源团队号镜像站
发布

开源 MCP 客户端仓库（MCP-Use）

山行AI
山行AI
开源
大模型向量数据库云通信
开源 MCP 客户端库（MCP-Use）

🌐 MCP-Use 是一种开源工具，可将**任意大语言模型（LLM）**连接到任何 MCP 服务器，帮助开发人员构建自定义的智能代理，访问诸如网页浏览、文件操作等工具，无需使用封闭源或专用客户端。

💡 让开发者轻松连接任意 LLM 到浏览网页、文件操作等各种工具。

picture.image

主要功能

| 功能 | 描述 | | 🔄 易于使用 | 只需6行代码即可创建一个支持MCP的代理 | | 🤖 LLM灵活性 | 支持任何LangChain兼容、支持工具调用的LLM（如OpenAI、Anthropic、Groq、LLama等） | | 🌐 HTTP支持 | 直接连接到运行在特定HTTP端口的MCP服务器 | | 🧩 多服务器支持 | 单个代理可同时使用多个MCP服务器 | | 🛡️ 工具访问限制 | 可限制具有潜在危险性的工具，如文件系统或网络访问 |

快速开始

安装：

  
pip install mcp-use

从源代码安装：

  
git clone https://github.com/pietrozullo/mcp-use.git  
cd mcp-use  
pip install -e .

安装 LangChain 提供者

根据使用的LLM安装对应的LangChain提供者。例如：

  
# 对于OpenAI  
pip install langchain-openai  
  
# 对于Anthropic  
pip install langchain-anthropic

在.env文件中添加API密钥：

  
OPENAI_API_KEY=  
ANTHROPIC_API_KEY=

注意 : 仅支持具备工具调用功能的模型。

启动代理

  
import asyncio  
import os  
from dotenv import load_dotenv  
from langchain_openai import ChatOpenAI  
from mcp_use import MCPAgent, MCPClient  
  
async def main():  
    load_dotenv()  
    config = {  
        "mcpServers": {  
            "playwright": {  
                "command": "npx",  
                "args": ["@playwright/mcp@latest"],  
                "env": {"DISPLAY": ":1"}  
            }  
        }  
    }  
    client = MCPClient.from_dict(config)  
    llm = ChatOpenAI(model="gpt-4o")  
    agent = MCPAgent(llm=llm, client=client, max_steps=30)  
    result = await agent.run("查找旧金山最好的餐厅")  
    print(f"\n结果: {result}")  
  
if __name__ == "__main__":  
    asyncio.run(main())

也可使用配置文件创建客户端：

  
client = MCPClient.from\_config\_file("browser\_mcp.json")

配置文件示例 (browser\_mcp.json)：

  
{  
  "mcpServers": {  
    "playwright": {  
      "command": "npx",  
      "args": ["@playwright/mcp@latest"],  
      "env": {"DISPLAY": ":1"}  
    }  
  }  
}

使用场景示例

网页浏览（使用Playwright）

  
# 同快速启动代码示例  
import asyncio  
import os  
from dotenv import load_dotenv  
from langchain_openai import ChatOpenAI  
from mcp_use import MCPAgent, MCPClient  
  
async def main():  
    # Load environment variables  
    load_dotenv()  
  
    # Create MCPClient from config file  
    client = MCPClient.from_config_file(  
        os.path.join(os.path.dirname(__file__), "browser_mcp.json")  
    )  
  
    # Create LLM  
    llm = ChatOpenAI(model="gpt-4o")  
    # Alternative models:  
    # llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")  
    # llm = ChatGroq(model="llama3-8b-8192")  
  
    # 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 USING GOOGLE SEARCH",  
        max_steps=30,  
    )  
    print(f"\nResult: {result}")  
  
if __name__ == "__main__":  
    asyncio.run(main())

Airbnb搜索

  
# Airbnb搜索代码示例  
import asyncio  
import os  
from dotenv import load_dotenv  
from langchain_anthropic import ChatAnthropic  
from mcp_use import MCPAgent, MCPClient  
  
async def run_airbnb_example():  
    # Load environment variables  
    load_dotenv()  
  
    # Create MCPClient with Airbnb configuration  
    client = MCPClient.from_config_file(  
        os.path.join(os.path.dirname(__file__), "airbnb_mcp.json")  
    )  
  
    # Create LLM - you can choose between different models  
    llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")  
  
    # Create agent with the client  
    agent = MCPAgent(llm=llm, client=client, max_steps=30)  
  
    try:  
        # Run a query to search for accommodations  
        result = await agent.run(  
            "Find me a nice place to stay in Barcelona for 2 adults "  
            "for a week in August. I prefer places with a pool and "  
            "good reviews. Show me the top 3 options.",  
            max_steps=30,  
        )  
        print(f"\nResult: {result}")  
    finally:  
        # Ensure we clean up resources properly  
        if client.sessions:  
            await client.close_all_sessions()  
  
if __name__ == "__main__":  
    asyncio.run(run_airbnb_example())

配置文件示例 (airbnb\_mcp.json)：

  
{  
  "mcpServers": {  
    "airbnb": {  
      "command": "npx",  
      "args": ["-y", "@openbnb/mcp-server-airbnb"]  
    }  
  }  
}

Blender 3D创建

  
# Blender 3D创建代码示例  
import asyncio  
from dotenv import load_dotenv  
from langchain_anthropic import ChatAnthropic  
from mcp_use import MCPAgent, MCPClient  
  
async def run_blender_example():  
    # Load environment variables  
    load_dotenv()  
  
    # Create MCPClient with Blender MCP configuration  
    config = {"mcpServers": {"blender": {"command": "uvx", "args": ["blender-mcp"]}}}  
    client = MCPClient.from_dict(config)  
  
    # Create LLM  
    llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")  
  
    # Create agent with the client  
    agent = MCPAgent(llm=llm, client=client, max_steps=30)  
  
    try:  
        # Run the query  
        result = await agent.run(  
            "Create an inflatable cube with soft material and a plane as ground.",  
            max_steps=30,  
        )  
        print(f"\nResult: {result}")  
    finally:  
        # Ensure we clean up resources properly  
        if client.sessions:  
            await client.close_all_sessions()  
  
if __name__ == "__main__":  
    asyncio.run(run_blender_example())

配置文件支持

  
# 从配置文件初始化MCP会话  
import asyncio  
from mcp_use import create_session_from_config  
  
async def main():  
    # Create an MCP session from a config file  
    session = create_session_from_config("mcp-config.json")  
  
    # Initialize the session  
    await session.initialize()  
  
    # Use the session...  
  
    # Disconnect when done  
    await session.disconnect()  
  
if __name__ == "__main__":  
    asyncio.run(main())

HTTP连接示例

支持连接到HTTP端口运行的MCP服务器：

  
# HTTP连接示例代码  
import asyncio  
import os  
from dotenv import load_dotenv  
from langchain_openai import ChatOpenAI  
from mcp_use import MCPAgent, MCPClient  
  
async def main():  
    """Run the example using a configuration file."""  
    # Load environment variables  
    load_dotenv()  
  
    config = {  
        "mcpServers": {  
            "http": {  
                "url": "http://localhost:8931/sse"  
            }  
        }  
    }  
  
    # Create MCPClient from config file  
    client = MCPClient.from_dict(config)  
  
    # Create LLM  
    llm = ChatOpenAI(model="gpt-4o")  
  
    # 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 USING GOOGLE SEARCH",  
        max_steps=30,  
    )  
    print(f"\nResult: {result}")  
  
if __name__ == "__main__":  
    # Run the appropriate example  
    asyncio.run(main())

多服务器支持

支持同时使用多个MCP服务器：

  
{  
  "mcpServers": {  
    "airbnb": {"command": "npx", "args": ["-y", "@openbnb/mcp-server-airbnb"]},  
    "playwright": {"command": "npx", "args": ["@playwright/mcp@latest"], "env": {"DISPLAY": ":1"}}  
  }  
}

工具访问控制

限制代理可访问的工具，提高安全性：

  
agent = MCPAgent(  
    llm=ChatOpenAI(model="gpt-4"),  
    client=client,  
    disallowed_tools=["file_system", "network"]  
)

路线图

• 支持多服务器• 远程连接测试（HTTP、WS）• 更多功能持续开发中

贡献

欢迎提交问题和功能请求。

系统要求

•Python 3.11+•MCP实现（如Playwright MCP）•LangChain和相应模型库

引用方式

若在研究或项目中使用，请引用：

  
@software{mcp_use2025,  
  author = {Zullo, Pietro},  
  title = {MCP-Use: MCP Library for Python},  
  year = {2025},  
  publisher = {GitHub},  
  url = {https://github.com/pietrozullo/mcp-use}  
}

MIT许可。

声明：本文由山行AI翻译整理自：https://github.com/mcp-use/mcp-use，如果对您有帮助，请帮忙点赞、关注、收藏，谢谢～

0
0
0
0
关于作者
山行AI
山行AI
关于作者
山行AI
山行AI

文章

0

获赞

0

收藏

0

相关资源
火山引擎多媒体处理框架的探索与实践
王少飞｜火山引擎多媒体处理资深研发工程师
点击下载 
相关产品
推荐阅读
DeepSeek私有部署最全攻略：异构多机分布式、满血版、蒸馏版，国产GPU支持，总有一款适合你！
WebThinker：赋予推理模型深度研究能力
Firecrawl 网站内容优化器，提高网站转化率。
微软发布 Playwright MCP 正式版。
字节复刻了一个manus，还开源了~
评论
未登录
看完啦，登录分享一下感受吧～
暂无评论