LangChain接入Filesystem-MCP工具

发布时间：2026-03-18 21:00:25编辑：123阅读（8）

LangChain接入Filesystem-MCP工具




Filesystem MCP工具接入

接下来借助创建好的MCP客户端，仅需填写MCP配置，即可非常便捷的接入更多MCP工具。这里以github上的Filesystem MCP工具为例进行演示。Filesystem服务器时一个最基础同时也是最常用的MCP服务器，同时也是官方推荐的服务器。

服务器项目地址：https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem

借助Filesystem，我们可以高效便捷操作本地文件夹。同时Filesystem也是一个js项目.

源码托管在npm平台上：https://www.npmjs.com/package/@modelcontextprotocol/server-filesystem

仅需要填写如下配置，即可使用Filesystem MCP:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/other/allowed/dir"
      ]
    }
  }
}

在servers_config.json中写入MCP工具配置：


{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["weather_server.py"],
      "transport": "stdio"
    },
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "D:\\mcp_demo"
      ], 
      "transport": "stdio"
    }
  }
}




client.py

import asyncio
import json
from langchain_ollama import ChatOllama
from typing import Any,Dict
from langchain.agents import create_agent
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.checkpoint.memory import InMemorySaver

# 设置记忆存储
checkpointer = InMemorySaver()

# 读取提示词
with open("./agent_prompts.txt", mode='r', encoding='utf-8') as f:
    prompt = f.read()

# 设置对话配置
config = {
    "configurable":{
        "thread_id":"2"
    }
}

class Configuration:
    @staticmethod
    def load_servers(file_path: str = "servers_config.json") -> Dict[str, Any]:
        with open(file_path, mode='r', encoding='utf-8') as f:
            return json.load(f).get("mcpServers", {})

async def run_chat_loop():
    """启动 MCP-Agent 聊天循环"""
    cfg = Configuration()
    servers_cfg = Configuration.load_servers()
    # 连接多台MCP服务器
    mcp_client = MultiServerMCPClient(servers_cfg)
    _tools = await mcp_client.get_tools()
    print(f"已加载{len(_tools)}个MCP工具:{[t.name for t in _tools]}")

    # 初始化大模型
    model = ChatOllama(
    model="qwen3:8b",
    temperature=0,
    top_p=0.95,
    )

    # 构造 LangGraph Agent
    agent = create_agent(
        model=model,
        tools=_tools,
        system_prompt=prompt,
        checkpointer=checkpointer
    )
    print("\n MCP Agent 已启动，输入'quit'退出")
    while True:
        user_input = input("\n你：").strip()
        if user_input.lower() == "quit":
            break
        try:
            result = await agent.ainvoke(
                {"messages": [{"role":"user", "content":user_input}]},
                config
            )
            print(f"\nAI：{result['messages'][-1].content}")
        except Exception as e:
            print(f"\n 错误:{e}")

if __name__ == '__main__':
    asyncio.run(run_chat_loop())

运行client.py执行结果如下：

已加载15个MCP工具:['query_weather', 'read_file', 'read_text_file', 'read_media_file', 'read_multiple_files', 'write_file', 

'edit_file', 'create_directory', 'list_directory', 'list_directory_with_sizes', 'directory_tree', 'move_file', 'search_files', 

'get_file_info', 'list_allowed_directories']




 MCP Agent 已启动，输入'quit'退出

你：目录下有几个文件

AI：请提供具体的目录路径，以便我查询该目录下的文件数量。




你：目录路径 D:\\mcp_demo

AI：目录 D:\mcp_demo 下共有 6 个文件：

1. agent_prompts.txt

2. client.py

3. servers_config.json

4. weather_server.py

5. write_server.py

6. output (目录)

需要查看具体文件内容或目录结构吗？




你：创建一个名为demo.txt的文件，并把当前目录下的文件名以及文件大小都写入到demo.txt中

AI：已成功创建 `D:\mcp_demo\demo.txt` 文件，内容如下：

```

agent_prompts.txt 517

client.py 1986

output 0

servers_config.json 215

weather_server.py 4568

write_server.py 3218

```

> 说明：`output` 是目录，因此大小显示为 `0`。如果需要包含子文件夹内的文件列表，可以补充说明哦！

关键字：