Наша библиотека для MCP разработки

Мы создали простую, чистую и питоническую реализацию протокола MCP — MCPager чтобы использовать возможности MCP на нашей платформе. MCPager действует как связующее звено между AI-агентом и любым открытым сервером MCP, например, любым из списка в коллекции Docker MCP.

MCPager также предоставляет готовый коннектор для LangGraph, что позволяет вам легко создать интеграцию с вашим собственным AI-агентом, используя один из самых популярных открытых агентских фреймворков.

Интеграция с сервером MCP на ваш выбор

Чтобы использовать нашу библиотеку с AI-агентом, вам сначала нужен сервер MCP. Вы можете использовать любой открытый сервер MCP или создать свой собственный. Ознакомьтесь с примерами базовых интеграций с MCPager и LangChain/LangGraph.

Например, вы можете использовать клиент MCPager с сервером на фрейворке FastMCP:

fastmcp serve examples/echo_server.py --transport http

Простой пример

Следующим образом можно инициализировать MCP клиент с LangGraph бэкендом и вызывать внешние функции:

from mcpager.client import StdioTransport, HttpTransport, Session, MCPClient
from mcpager.adapters import LangGraphBackend

transport = HttpTransport('http://localhost:8000/mcp')
# or you can use StdioTransport for local testing like this:
# transport = StdioTransport(["fastmcp", "run", "echo_server.py"])
session = Session(transport)
backend = LangGraphBackend()
client = MCPClient(backend, session)

client.initialize()

tools = client.list_tools()
print(tools)

result = client.call_tool("echo", text="Hello from MCPager!")
print(result)