🔌
Agent智能体 • 入门⏱️ 25 分钟阅读
MCP：让模型连接外部工具
get_weather是MS-Agent组合Server连接名称和工具名称后显示的标识。area与target_date`不是预先写死的调用参数，而是Qwen3-4B根据“杭州明天”生成的结构化参数。相关注册结果如下图所示。
处理工具返回与最终回答
天气MCP收到参数后，将“杭州”解析为“杭州，浙江，中国”，根据当地时区把tomorrow转换为2026年9月7日，并返回：
{
"requested_area": "杭州",
"resolved_area": "杭州，浙江，中国",
"date": "2026-09-07",
"timezone": "Asia/Shanghai",
"weather_code": 51,
"weather": "小毛毛雨",
"temperature_max_c": 29.0,
"temperature_min_c": 21.6,
"precipitation_probability_max_percent": 31,
"wind_speed_max_kmh": 13.0,
"data_source": "Open-Meteo"
}
Qwen3-4B随后依据这组结果生成自然语言回答，列出了实际匹配地区、日期、天气状况、最高和最低气温、降水概率及最大风速。至此，“理解问题—选择工具—生成参数—执行工具—处理结果”的调用链路完成。结合大模型执行结果如下：
调用MCP广场中的fetch服务
完成托管和配置后，先直接连接服务并检查工具列表。下面的测试样例网站信息https://example.com。
async def direct_fetch_check():
async with streamable_http_client(MCP_SERVER_URL) as streams:
read_stream, write_stream, _ = streams
async with ClientSession(read_stream, write_stream) as session:
await session.initialize()
tools = await session.list_tools()
print("Server返回的工具：", [tool.name for tool in tools.tools])
result = await session.call_tool(
"fetch",
arguments={
"url": "https://example.com",
"max_length": 1000,
"start_index": 0,
"raw": False,
},
)
if result.isError:
raise RuntimeError(str(result.content)
for block in result.content:
if getattr(block, "type", None) == "text":
print(block.text)
await direct_fetch_check()
实际运行时，Server公开了fetch工具，并返回了目标网页的正文片段和链接。这说明魔搭托管服务、Streamable HTTP连接以及网页抓取工具本身均可工作。直接连接魔搭托管fetch服务、发现工具并返回网页内容如下图所示。
直接调用成功后，再复用前面配置好的Qwen3-4B，让模型自主选择工具：
fetch_agent = LLMAgent(
config=agent_config,
tag="fetch-demo",
mcp_config=mcp_config,
)
await fetch_agent.run(
"请使用网页抓取工具读取https://example.com。"
"调用时将max_length设为1000，并返回网页正文说明的主要用途和第一个链接。"
"只能使用本次工具返回的内容；调用失败时请明确说明，不要补写。"
)
第 2 课，共 7 课已完成 0%
讨论
登录 参与讨论
