LangChain 集成

pip install langchain-mcp-adapters

import asyncio
from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent
from langchain_mcp_adapters.client import MultiServerMCPClient
from dotenv import load_dotenv
import os

load_dotenv()

async def main():
    # 配置 MCP 客户端
    client = MultiServerMCPClient({
        "bright_data": {
            "url": "https://mcp.brightdata.com/sse?token=<API_TOKEN>",
            "transport": "sse",
        }
    })

    # 获取可用工具
    tools = await client.get_tools()
    print("可用工具:", [tool.name for tool in tools])

    # 配置 LLM
    llm = ChatOpenAI(
        openai_api_key=os.getenv("OPENROUTER_API_KEY"),
        openai_api_base="https://openrouter.ai/api/v1",
        model_name="moonshotai/kimi-k2"
    )

    # 网络搜索代理的系统提示
    system_prompt = """
    你是一个具备全面抓取能力的网页搜索代理。你的工具包括：
    - **search_engine**：从 Google/Bing/Yandex 获取搜索结果
    - **scrape_as_markdown**：从任何网页提取内容，绕过机器人检测
    - **Structured extractors**：快速可靠地从主要平台获取数据（Amazon、LinkedIn、Instagram、Facebook、X、TikTok、YouTube、Reddit、Zillow 等）
    - **浏览器自动化**：导航、点击、输入、截图以进行复杂操作

    指南：
    - 对支持的平台尽可能使用结构化 web_data_* 工具（更快、更可靠）
    - 对其他网站使用通用抓取
    - 优雅地处理错误并遵守速率限制
    - 逐步思考需要哪些信息以及使用哪些工具
    - 研究全面，提供完整答案

    回答时遵循以下模式：
    1. 思考所需信息
    2. 选择合适的工具
    3. 执行工具
    4. 分析结果
    5. 提供清晰、全面的答案
    """

    # 创建 ReAct 代理
    agent = create_react_agent(
        model=llm,
        tools=tools,
        prompt=system_prompt
    )

    # 测试代理
    print("正在使用可用工具测试 ReAct 代理...")
    print("=" * 50)

    result = await agent.ainvoke({
        "messages": [("human", "搜索关于 AI 最新发展的新闻")]
    })

    print("\n代理响应:")
    print(result["messages"][-1].content)

if __name__ == "__main__":
    asyncio.run(main())

OPENROUTER_API_KEY=your_openrouter_api_key_here