bairui blog
4216 words
21 minutes
基于 MCP 的 AI Agent 应用开发实践
2025-05-20
MCP
AI Agent
Tool Calling
Agent TARS
工程实践

基于 MCP 的 AI Agent 应用开发实践#

MCP 让 Agent 应用与工具生态解耦

副标题：“MCP 带来了应用与工具分层研发的新范式”

前言：最近大家都在聊 MCP，发现有个最重要的点被忽略了『通过标准化协议，将工具提供方与应用研发者解耦』，这一点带来的将是 AI Agent 应用研发范式的转移（类似 Web 应用研发的前后端分离）。

本文以开发 Agent TARS 应用为例（⚡️ Introducing Agent TARS CLI），尽可能详细地介绍 MCP 在『开发范式』、『工具生态扩展』上起到的作用。

English version

名词解释

AI Agent

在LLM语境下，AI Agent是某种能自主理解意图、规划决策、执行复杂任务的智能体。Agent并非ChatGPT升级版，它不仅告诉你“如何做”，更会帮你去做。如果CoPilot是副驾驶，那么Agent就是主驾驶。类似人类“做事情”的过程，Agent的核心功能，可以归纳为三个步骤的循环：感知（Perception）、规划（Planning）和行动（Action）。

Copilot

Copilot 是指一种基于人工智能的辅助工具，通常与特定的软件或应用程序集成，旨在帮助用户提高工作效率。Copilot 系统通过分析用户的行为、输入、数据和历史记录，提供实时建议、自动化任务或增强功能，帮助用户做出决策或简化操作。

MCP

Model Context Protocol（模型上下文协议） 是一个开放协议，它规范了应用程序如何为LLMs提供上下文。可以将MCP想象为AI应用的USB-C端口。就像USB-C提供了一种标准方式，让你的设备连接到各种外设和配件，MCP也提供了一种标准方式，让你的AI模型连接到不同的数据源和工具。

Agent TARS

一个开源的多模态人工智能代理，提供与各种真实世界工具的无缝集成。

RESTful API

RESTful 是一种软件架构风格、设计风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。

名词

解释

背景

AI 从最初只能对话的 Chatbot，辅助人类决策的 Copilot，再到能自主感知和行动的 Agent，AI 在任务中的参与度不断提升。这要求 AI 拥有更丰富的任务上下文（Context），并拥有执行行动所需的工具集（Tools）。

痛点#

缺少标准化的上下文和工具集导致开发者的三大痛点：

1. 开发耦合度高：工具开发者需要深入了解 Agent 的内部实现细节，并在 Agent 层编写工具代码。这导致在工具的开发与调试困难。#

2. 工具复用性差：因每个工具实现都耦合在 Agent 应用代码内，即使是通过 API 实现适配层在给到 LLM 的出入参上也有区别。从编程语言角度来讲，没办法做到跨编程语言进行复用。#

3. 生态碎片化：工具提供方能提供的只有 OpenAPI，由于缺乏标准使得不同 Agent 生态中的工具 Tool 互不兼容。#

没有 MCP 时的 Function Call

目标#

”All problems in computer science can be solved by another level of indirection” — Butler Lampson

在计算机科学中，任何问题都可以通过一个抽象层解决。

将工具从 Agent 层解耦出来，单独变成一层 MCP Server 层，并对开发、调用进行标准化。

MCP Server 为上层 Agent 提供上下文（Resources 资源、Prompts）、工具的标准化调用方式。

演示

从几个例子中看 MCP 在 AI Agent 应用中发挥的作用：

指令

回放

使用的 MCP Servers

备注

Technical analysis of stock, then buy 3 shares of at market price.

Replay

  • LongBridge MCP：券商服务

使用的是券商模拟账户下单。

  • FileSystem：文件系统

从技术面分析下股票，然后以市价买入 3 股股票

  • How many CPUs and Memories and Network speed do I have in my machine?

Replay

  • Commands：命令行执行

第一回合通过命令行获取信息。

  • code-runner：多种代码语言执行运行器

第二回合要求用 Python 脚本执行获取。

我的机器中的 CPU、内存和网络速度分别是多少？

你能编写一个 Python 脚本来执行并获取上述信息吗？

Find the top 5 products with the highest number of upvotes on ProductHunt

Replay

  • browser-use：本地浏览器访问

在 ProductHunt 上找到点赞数最高的前5款产品

根据这篇文章 Agent 框架的各维度对比，并生成一个报告 markdown

Replay

  • Link Reader

相比 fetch 具备更强的链接抓取能力

已支持自定义 MCP Servers !489 !415，可以添加 Stdio、Streamable HTTP、SSE 类型的 MCP Server。

更多：

介绍

什么是 MCP？#

Model Context Protocol（模型上下文协议）是 Anthropic 在推出的用于 LLM 应用和外部数据源（Resources）或工具（Tools）通信的标准协议，遵循 JSON-RPC 2.0 的基础消息格式。

可以把 MCP 想象成 AI 应用程序的 USB-C 接口，规范了应用程序如何为 LLMs 提供上下文。

架构图如下：

  • MCP Client：通过 MCP 协议与 Servers 通信，并保持 1:1 连接
  • MCP Servers：上下文提供方，暴露外部数据源（Resources）、工具（Tools）、提示词（Prompts）等由 Client 进行调用。
  • 语言支持层面：TypeScript 和 Python、Java、Kotlin、C#

流程图#

一句话解释就是 MCP 提供给 LLM 所需的上下文：Resources 资源、Prompts 提示词、Tools 工具。

注：原文此处为在线画板或外部图片占位，离线归档时已移除；本文已补充结构化示意图辅助理解。

MCP 和 Function Call 区别？#

MCP

Function Call

定义

模型和其它设备集成的标准接口，包含：

将模型连接到外部数据和系统，平铺式的罗列 Tools 工具。

  • 工具 Tools：模型可调用的函数方法，与外部系统进行交互，并执行计算

和 MCP Tool 不同的在于：MCP Tool 的函数约定了输入输出的协议规范。

  • 资源 Resources：提供给模型的数据、文档、配置、截图等
  • 提示词 Prompts：支持用户自定义工具的 Prompt

协议

JSON-RPC，支持双向通信（但目前使用不多）、可发现性、更新通知能力

JSON-Schema，静态函数调用

调用方式

Stdio / SSE / Streamable HTTP / InMemory 同进程调用（见下文）

同进程调用 / 编程语言对应的函数

适用场景

更适合动态、复杂的交互场景

单一特定工具、静态函数执行调用

系统集成难度

高

简单

工程化程度

高

低

从前后端分离看 MCP#

早期 Web 开发在 JSP、PHP 盛行时，前端交互页面都是耦合在后端逻辑里的，造成开发复杂度高、代码维护困难、前后端协作不便，难以适应现代 Web 应用对用户体验和性能的更高要求。

AJAX、Node.js、RESTful API 推动前后端分离，对应 MCP 也正在实现 AI 开发的“工具分层”：

  • 前后端分离：前端专注界面，后端专注 API 接口。
  • MCP 分层：让工具开发者和 Agent 开发者各司其职，工具质量和功能的迭代不需要 Agent 开发者感知。这种分层让 AI Agent 开发者能像搭积木一样组合工具，快速构建复杂 AI 应用。

注：原文此处为在线画板或外部图片占位，离线归档时已移除；本文已补充结构化示意图辅助理解。

实践

TLDR; 直接开箱即用 MCP

  • 脚手架：@byted/mcp-generator
  • MCP Client：@agent-infra/mcp-client
  • Browser 浏览器：@agent-infra/mcp-server-browser
  • 命令行执行：@agent-infra/mcp-server-commands
  • 文件系统：@agent-infra/mcp-server-filesystem
  • 搜索：@agent-infra/mcp-server-search

整体设计#

以 MCP Browser 浏览器工具开发和接入为例，逐步解析具体实现。

注：原文此处为在线画板或外部图片占位，离线归档时已移除；本文已补充结构化示意图辅助理解。

在设计 Browser MCP Server 时，并没有采用官方的 stdio call 方式（即通过 npx 方式跨进程调用）。原因是为了降低使用门槛，避免用户在首次使用时先安装 Npm、Node.js 或 UV，从而影响 Agent 开箱即用的体验（相关 issue#64）。

因此，Agent 工具的设计分为两类：

  • 内置 MCP Servers：完全遵循 MCP 规范，同时支持 Stdio 和函数调用。（换句话说用 MCP 标准开发 Function Call）
  • 用户自定义 MCP Servers：针对需要扩展功能的用户，默认他们已经具备 Npm 或 UV 环境，因此可以支持更灵活的扩展方式。

两者的区别：

1. 内置 MCP Servers 是完成当前 Agent 功能的必备工具#

2. 调用方式：内置方式不需要 Agent 用户安装 Node.js / npm，这对于普通用户比较友好。#

MCP Server 开发#

以 mcp-server-browser 为例，其实就是一个 npm 包，直接使用 @byted/mcp-generator 创建脚手架：

代码块

Bash

复制

开发（Dev）#

实践下来，通过 Inspector 来开发调试 MCP Server 是比较好，Agent 与工具解耦，可以单独调试和开发工具。

直接运行 npm run dev启动一个 Playground，里面包含 MCP Server 可调试的功能（Prompts、Resources、Tools 等）

$ npx -y @modelcontextprotocol/inspector tsx src/index.ts
Starting MCP inspector...
New SSE connection

Spawned stdio transport

Connected MCP client to backing server transport

Created web app transport

Created web app transport

Set up MCP proxy

🔍 MCP Inspector is up and running at 🚀

注：用 Inspector 调试开发 Server 时，console.log 是无法显示的，这点 debug 确实有点麻烦。

调试（Inspector）#

除了 MCP 官方的 Inspector 工具外，目前用下来最方便的是 Postman，就像调试 API 一样调试 MCP。

实现（Implement）#

启动入口（Entry）#

为了内置 MCP Server 可以当 Function call 同进程调用，这里在入口文件 src/server.ts 中导出一个方法：createServer 创建 MCP Server，导出这个 server 有助于将 MCP 核心实现转换成任意 Transport 进行调用。

// src/server.ts
export function createServer(): McpServer {
const server = new McpServer({
name: 'Browser',
version: '0.1.0',
});

server.registerTool(

‘test_tool’,

{

description: ‘description’,

inputSchema: {

同时支持 Streamable HTTP、SSE、Stdio 调用，直接在 src/index.ts导入模块即可使用。

#!/usr/bin/env node
// src/index.ts
import { startSseAndStreamableHttpMcpServer } from 'mcp-http-server';

import { program } from ‘commander’;

import { StdioServerTransport } from ‘@modelcontextprotocol/sdk/server/stdio.js’;

import { McpServer } from ‘@modelcontextprotocol/sdk/server/mcp.js’;

import { createServer } from ‘./server.js’;

program

.name(‘mcp-server-’)

.description(‘MCP server for‘)

.version(‘0.0.1’)

.option(

‘—host’,

‘host to bind server to. Default is localhost. Use 0.0.0.0 to bind to all interfaces.’,

)

工具定义（Definition）#

MCP 协议要求用 JSON Schema 约束工具的入参、出参，这里实践下来：推荐用 zod 来定义一套 Zod Schema，导出到 MCP 时再将 zod 转成 JSON Schema。

代码块

TypeScript

复制

技巧 Tips：与 OpenAPI 返回结构化数据不同，MCP 的返回值专为 LLM 模型设计。为了更好地连接模型与工具，返回的文本和工具的描述 description 应更具语义化，从而提升模型的理解能力，提高工具调用的成功率。

例如，browser_scroll（浏览器滚动）在每次执行工具后，应返回页面的滚动状态（如距底部剩余像素、是否已到底等）。这样模型在下次调用工具时即可精准提供合适的参数。

单测（Unit test）#

最好的方式是通过 InMemory 同进程方式来测 MCP Server 的实现，这里以 Command 命令执行单测为例：

代码块

JavaScript

复制

部署（Deploy）#

远程 MCP Server 部署#

详见：《如何在 ByteFaaS 上构建多用户的 Remote MCP Servers》

注册到 MCP Registry#

只需要三步：

1. 安装 mcp-publisher#

server.json

JSON

复制

代码块

Python

复制

Benchmark 基准#

为了在生产环境中更好地使用 MCP Server，这里做了一个基准测试，比较在不同 Transport、不同 HTTP Server 下的 MCP Server 的性能表现（Benchmark Code）。

  • 比 Stdio 快 ~500 倍
  • 比 SSE / HTTP 快 6~7 倍
  • mcp-http-proxy SSE 快于 Python 版 mcp-proxy 3~4 倍

结论是： In-Memory 使用 > MCP 直接提供 HTTP/SSE >> Stdio

Agent 集成#

开发完 MCP Server 后，需要在 Agent 应用中进行集成。原则上，Agent 无需关注 MCP Servers 提供的工具、入参和出参的具体细节。

MCP Servers 配置#

在 MCP Servers 配置中分为『内置 Server』和『用户扩展 Server』，内置 Server 通过同进程 Function Call 调用，保证 Agent 应用对小白用户开箱即用，扩展 Server 则提供给高级用户扩展 Agent 上限功能。

{
// Built-in MCP Servers(in-memory call)
fileSystem: {
name: 'fileSystem',
mcpServer: createFileSystemServer({
allowedDirectories: ['/tmp'],
}),
},

MCP Client#

MCP Client 的核心任务是集成不同调用方式（Stdio / SSE / Streamable HTTP / Function Call）的 MCP Server。Stdio 和 SSE 方式直接复用了官方示例，这里主要介绍下我们对 Function Call 调用是怎样在 Client 中支持的。

Function Call 调用#

MCP Client Options

Diff

复制

import { McpServer as InMemoryMCPServer } from ‘@modelcontextprotocol/sdk/server/mcp.js’;

MCP Client 调用方式如下：

import { MCPClient } from '@agent-infra/mcp-client';
import { createServer as createMcpBrowserServer } from '@agent-infra/mcp-server-browser';

const client = new MCPClient([

{

name: ‘browser’,

description: ‘web browser tools’,

mcpServer: createMcpBrowserServer(),

}

]);

const mcpTools = await client.listTools();

const response = await openai.chat.completions.create({

model,

messages,

// Different model vendors need to convert to the corresponding tools data format.

tools: convertToTools(mcpTools),

tool_choice: ‘auto’,

});

至此，MCP 的整体流程已全部实现，涵盖了从 Server 配置、Client 集成到与 Agent 的衔接等各个环节。更多 MCP 细节/代码已开源到 Github：Agent 集成、mcp-client、mcp-servers。

Remote 远程调用#

如果是 Web 应用（无法使用 Stdio MCP Server），可以用 FaaS 将 Stdio 转成 SSE MCP Server，从而在 Function Call 的基础上无缝支持 MCP 类型的 Tools，这个过程换句话讲是『MCP Servers 云化』。

注：原文此处为在线画板或外部图片占位，离线归档时已移除；本文已补充结构化示意图辅助理解。

调用代码示例：

import os
from openai import OpenAI

client = OpenAI(

This is the default and can be omitted#

api_key=os.environ.get(“OPENAI_API_KEY”),

)

response = client.responses.create(

model=“gpt-4.1”,

tools=[{

“type”: “mcp”,

“server_label”: “deepwiki”,

“server_url”: ” # or faas mcp url

}],

input=“bytedance/UI-TARS-desktop 项目的架构是怎样？“

)

云浏览器 MCP Server

详见

云浏览器 Remote Browser MCP + VNC 使用文档 | Cloud Browser Remote Browser MCP + VNC User Manual

基于 FaaS 将 mcp-server-browser 跑在 Web 应用中，同时支持使用 VNC / Canvas 提供给用户查看与接管，如图：

cdp_vnc

00:22

CDP 直连 + VNC 接管

外网用户可以使用 进行体验。

TODO: Desktop Extensions (DXT)#

官方新出的类似 Chrome 插件的安装集成方式，待实践后分享！

思考

生态#

MCP 生态不断发展壮大，越来越多的应用支持 MCP，同时开放平台也提供 MCP Server。像 Cloudflare、Composio、Zapier 使用 SSE / Streamable HTTP 方式将 MCP 进行托管（即接入一个 MCP HTTP Endpoint 即接入 MCP Server）。而通过 Stdio 方式最理想场景是 MCP Servers 和 Agent 系统跑在同一 Docker 容器中（类似 Sidecar 模式）。

  • 举个例子：接入地图厂商的 MCP Server 后，Agent 具备生活服务工具能力，远远优于单纯依赖搜索的方式。

未来#

  • 目前的 MCP 开发非常初级，在工程化上缺少一套完善的框架来约束和规范。
  • Remote MCP Support：鉴权、服务发现、无状态服务，很明显奔着 K8S 架构去的，这样才能构建一个生产级、可扩展的 MCP 服务。最近提出的 [RFC] Replace HTTP+SSE with new “Streamable HTTP” transport，支持 Streamable HTTP，可以无状态、低延迟、双向传输。
  • Agent Support：提升不同领域复杂的 Agent 工作流，并可以处理更好的人机交互。
  • Developer Ecosystem：更多的开发者和大厂商参与进来，才能扩展 AI Agent 的能力边界。
  • 实践下来，MCP Server SSE 并不是理想的方案，因为需要保持连接和 session 状态，而云服务（如 Serverless）更倾向于无状态架构（issue#273），所以最近提出了更适配云场景的 Streamable HTTP Transport。
  • MCP 模型调用与 RL 强化学习：如果 MCP 成为未来的规范，那么 Agent 应用能否准确调用各个 MCP，将成为模型 RL 未来需要支持的关键能力。与 Function Call 模型不同，MCP 是一个动态的工具库，模型需要具备对新增 MCP 的泛化理解能力。
  • 上下文膨胀问题（Token Bloat #1576）：过多 MCP Servers 和工具导致 token 开销剧增，正从工具调用转向代码执行模式以实现 98.7% 的 token 减少，但这对模型的 Coding 能力和 Code Sandbox 的安全性提出更高要求。
  • Agent K8S：虽然目前 LLM 和上下文之间建立了标准化的通信协议，但 Agent 之间的交互协议尚未形成统一标准，Agent 服务发现、恢复、监控、安全等一系列生产级问题待解决。目前 Microsoft 的 NLWeb（Natural Language Web）、Google 的 A2A（Agent2Agent） 和社区的 ANP（Agent Network Protocol）在做这方面的探索与尝试。

参考

  • 详解 MCP：Agentic AI 中间层最优解，AI 应用的标准化革命
  • a16z详解MCP，以及AI工具的未来
  • How to Build an MCP Server Fast: A Step-by-Step Tutorial
  • 智能体互联网的三大趋势：连接范式正在彻底重构
  • 有了MCP，AI才完整
  • Desktop Extensions: One-click local MCP server installation in desktop apps
  • 硅谷 101：AI Agent爆发前的黎明：Manus不够好，但天快亮了
  • MCP 终极指南
  • OpenAI 支持 MCP！、OpenAI SDK 原生支持 MCP！
  • Microsoft Build 2025 支持 MCP
  • Agent Tars 技术架构：打造高度自主能力的通用 Agent
基于 MCP 的 AI Agent 应用开发实践
https://ruiboom.cn/posts/mcp-agent-app-development-practice/
Author
bairui
Published at
2025-05-20
大模型评测经验总结与探讨
GIS项目设想介绍