轻松入门大模型开发：用mcp-use连接LLM与MCP服务器
本文介绍了mcp-use，一个开源Python库，用于连接LLM和MCP服务器，简化AI智能体开发。它支持任何LangChain兼容的LLM提供商，提供多种连接方式、沙盒执行等功能，并允许通过JSON配置连接各种MCP服务器。使用mcp-use，开发者可以轻松构建具有工具访问能力的自定义智能体，降低大模型和AI Agent开发的门槛。
前排提示，文末有大模型AGI-CSDN独家资料包哦！
最近一直在研究MCP方面的事情，使用的技术栈是Python + FastAPi + FastMCP，开发了多个MCP-Server，本地化访问没啥问题，准备部署试着玩一下，调研发现这样的一个 MCP 神器，可一键部署MCP 服务器托管，并且它简化了很多操作，简直太方便了。
mcp-use是连接任何 LLM 到任何 MCP 服务器并构建自定义 MCP 智能体最简单的开源方式，无需依赖闭源或特定应用客户端。 它解决了开发者在构建 AI 智能体时面临的工具集成复杂性问题，让开发者能够轻松地将 LLM 连接到各种工具，如网页浏览、文件操作等。
什么是mcp-use
mcp-use是一个开源Python库，专门用于连接LLM和MCP服务器。它充当了LLM和各种工具服务之间的桥梁，让开发者能够创建具有工具访问能力的自定义智能体。
核心价值
- 开放性：完全开源，不依赖任何闭源或特定应用的客户端
- 通用性：支持任何 LangChain 兼容的 LLM 提供商（OpenAI、Anthropic、Groq 等）
- 灵活性：通过简单的 JSON 配置即可连接各种 MCP 服务器
- 易用性：提供简洁的 Python API，几行代码即可创建功能强大的智能体
mcp-use 功能
LLM 灵活性
- 支持各大模型系列的模型
多种连接方式
- Stdio 连接：标准输入输出连接方式
- HTTP 连接：支持连接到特定端口的 MCP 服务器
- SSE 连接：支持服务端事件流连接
- 沙盒执行：通过 E2B 云基础设施运行 MCP 服务器
高级功能
- 多服务器支持：同时连接多个 MCP 服务器
- 动态服务器选择：智能选择最合适的服务器执行任务
- 工具访问控制：限制智能体可使用的工具范围
- 流式输出：支持实时输出智能体的执行过程
- 调试模式：提供详细的调试信息帮助开发
2.4 配置管理
- 支持 JSON 配置文件
- 支持字典配置
- 环境变量管理
- 灵活的服务器配置选项
mcp-use 如何使用
安装
# 基础安装# 安装 LLM 提供商依赖# OpenAI# Anthropic# 安装沙盒支持（可选）"mcp-use[e2b]"基本使用
importfromimportfromimportfromimportasyncdefmain# 配置 MCP 服务器"mcpServers""playwright""command""npx""args""@playwright/mcp@latest""env""DISPLAY"":1"# 创建客户端和智能体"gpt-4o"30# 执行任务await"上海有哪些美食"printf"结果: {result} "{result}if"__main__"使用配置文件
创建 mcp-config.json 文件：
"mcpServers""playwright""command""npx""args""@playwright/mcp@latest""env""DISPLAY"":1""airbnb""command""npx""args""-y""@openbnb/mcp-server-airbnb"在代码中使用mcpserver
"mcp-config.json"流式输出
asyncforin"山西哪里好玩？"print"messages"""True工具访问控制
# 限制智能体可使用的工具"get_Personal"# 禁用一些工具调用调试模式
#在代码中设置import2# 启用详细调试信息总结
mcp-use为开发者提供了一个强大而灵活的解决方案，解决了LLM与外部工具集成的复杂性问题。
我们可以通过几行代码快速构建AI Agent，并且还可以轻松的集成MCP 服务器和工具了。
随着 MCP 生态系统的不断发展，我觉得不管是大模型的开发还是Agent 开发等等，门槛都会被降低下来了，现在已经是这个趋势了。AI 的飞速发展，以往的很多知识点可能被推翻，化繁为简，变的更简单。
mcp-use:https://mcp-use.com/
读者福利：倘若大家对大模型感兴趣，那么这套大模型学习资料一定对你有用。
针对0基础小白：
如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结
包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
👉AI大模型学习路线汇总👈
大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓