基于 FastGPT 与 MCP 协议构建工具增强型智能体

MCP 协议简介

MCP（Model Context Protocol）是 Anthropic 在 2024 年 11 月推出的一种通信协议，旨在统一 AI 模型与外部系统的交互方式。随着 OpenAI 等主流厂商宣布支持该协议，越来越多的 AI 应用开始接入这一标准。

MCP 架构主要包含两部分：

Client（客户端）：通常是 AI 模型或集成平台，通过 Client 获取调用外部系统的能力。
Server（服务端）：提供具体功能的服务端，实际运行外部逻辑的主体。

FastGPT 从 v4.9.6 版本起原生支持两种 MCP 能力：

MCP 服务：将 FastGPT 应用本身作为 MCP Server 对外暴露。
MCP 工具集：导入外部 MCP 服务，让 FastGPT 能够调用第三方工具。

此外，mcp-proxy 作为一个开源聚合代理，可以将多个分散的 MCP 服务汇聚成统一的地址，方便集中管理。

本文将重点演示如何在 FastGPT 中集成和使用 MCP 工具集，并给出私有化部署下的服务聚合方案。

创建 MCP 工具集

获取 MCP 服务地址

首先需要准备一个支持 MCP 协议的服务端地址。以高德地图为例，访问其官方文档获取 MCP Server 地址，格式通常类似：

https://mcp.amap.com/sse?key=xxx

确保该地址可被你的 FastGPT 实例访问，如果是内网环境，需注意网络连通性。

在 FastGPT 中创建工具集

进入工作台，选择'新建应用'。
在配置窗口填入上一步获取的 MCP 服务地址。
点击'解析'按钮，系统会自动拉取并展示该服务提供的工具列表。
确认无误后点击'创建'，即可完成工具集的初始化。

![创建界面示意]

测试 MCP 工具

工具集创建完成后，建议先进行单工具测试，确保连接正常。

进入 MCP 工具集详情页。
选择需要测试的具体工具，例如 maps_weather（天气查询）。
输入测试参数，如城市名称'杭州'。
点击'运行'查看返回结果。

如果配置正确，系统应能返回该城市的实时天气信息。这一步很关键，能提前发现鉴权或网络问题。

AI 模型调用 MCP 工具

FastGPT 提供了两种让 AI 模型使用工具的途径，分别适用于不同场景。

调用单个工具

如果你希望模型明确知道要调用哪个特定功能，可以在工作流中添加'工具调用'节点。

拖入'工具调用'节点。
关联之前创建的特定 MCP 工具（如 maps_weather）。
连接上下游节点，让数据流转起来。

这种方式适合任务明确的场景，比如用户直接问'杭州天气怎么样'，模型会精准调用天气接口。

调用整个工具集

当用户意图不明确时，可以让 AI 自动判断使用哪个工具。这需要在流程中添加'MCP 工具集'节点。

添加'MCP 工具集'节点。
关联包含多个工具的整体集合。
使用'工具调用'节点连接该集合。

此时，AI 会根据用户问题的语义，智能选择最合适的工具获取信息后再作答。这种模式更适合开放式的助手场景。

私有化部署支持

对于本地部署的 FastGPT 实例，由于网络隔离，可能需要额外配置才能连接外部 MCP 服务。

基于 FastGPT 与 MCP 协议构建工具增强型智能体