FastGPT 结合 MCP 协议构建工具增强型智能体实战
一、MCP 协议简介
MCP（Model Context Protocol）是 Anthropic 在 2024 年推出的通信协议，旨在统一 AI 模型与外部系统的交互方式。随着 OpenAI 等厂商的跟进支持，这一协议正逐渐成为连接大模型与外部能力的标准桥梁。
MCP 架构主要包含 Client 和 Server 两部分：
- Client（客户端）：通常是使用 AI 模型的主体，通过 MCP Client 获取调用外部系统的能力。
- Server（服务端）：提供具体功能的外部系统，实际运行并响应请求。
FastGPT 从 v4.9.6 版本起原生支持两种 MCP 功能：一是将应用以 MCP 协议对外提供服务，二是导入外部 MCP 服务作为工具集使用。配合开源的 mcp-proxy 聚合代理，我们可以轻松整合多个 MCP 服务，为智能体应用提供更丰富的集成能力。
二、创建 MCP 工具集
1. 获取 MCP 服务地址
首先需要一个支持 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服务地址，格式通常为 https://mcp.amap.com/sse?key=xxx。
2. 在 FastGPT 中创建 MCP 工具集
登录 FastGPT 平台后，进入工作台选择'新建应用'，然后选择'MCP 工具集'。在弹出窗口填入刚才获取的 MCP 服务地址，点击'解析'按钮，系统会自动识别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。
三、测试 MCP 工具
工具集创建完成后，建议先进行单工具测试以确保连通性。进入工具集详情页面，选择需要测试的具体工具（例如 maps_weather 天气查询），输入参数如城市名称'杭州'，点击'运行'即可查看返回结果。这一步能帮助我们快速验证网络配置及鉴权是否正常。
四、AI 模型调用 MCP 工具
FastGPT 提供了灵活的调用方式，支持让 AI 模型根据需求自主决策。
1. 调用单个工具
在工作流中添加'工具调用'节点，连接至 AI 模型节点。当用户提问天气或地点相关问题时，模型会精准调用预设的工具。这种方式适合场景固定、工具明确的业务逻辑。
2. 调用整个工具集
若希望 AI 具备更广泛的自主性，可直接添加'MCP 工具集'节点。此时 AI 会根据用户意图自动判断并选择合适的工具，获取信息后再组织回答。这种模式更适合开放式的问答场景，减少了人工指定工具的繁琐。
五、私有化部署支持
对于私有化部署的 FastGPT 实例，启用 MCP 功能需确保环境满足特定要求。
1. 环境准备
务必将 FastGPT 版本升级至 v4.9.6 或更高版本，旧版本可能缺失相关依赖。
2. 修改 docker-compose.yml 文件
根据实际网络环境调整容器配置，确保内部服务可访问外部 MCP 地址。具体配置项需参考官方文档中的网络隔离说明。
3. 修改 FastGPT 配置
在环境变量或配置文件中开启 MCP 相关开关，通常涉及 MCP_ENABLED 等参数。
4. 重启服务
完成上述步骤后，重启 Docker 容器使配置生效。若遇到连接超时，请检查防火墙规则及 DNS 解析是否正常。
六、使用 MCP-Proxy 集成多个 MCP 服务
1. MCP-Proxy 简介
MCP-Proxy 是一个开源的聚合代理，能够将分散的 MCP 服务汇聚成统一的入口，简化客户端的连接管理。
2. 安装 MCP-Proxy
通过 npm 或 Docker 安装代理服务，确保其运行在稳定的网络环境中。
3. 配置 MCP-Proxy
编辑配置文件，注册各个后端 MCP 服务的地址和密钥。支持 SSE 和 Stdio 等多种传输模式。
4. 将 MCP-Proxy 与 FastGPT 集成
在 FastGPT 中配置 MCP 工具集地址指向 MCP-Proxy 的统一入口，即可一次性接入所有已注册的子服务。
5. 高级配置
可根据业务需求设置路由策略、限流规则或缓存机制，提升整体调用的稳定性与效率。
七、最佳实践建议
- 权限最小化：仅授予 AI 模型必要的工具权限，避免数据泄露风险。
- 错误处理：在工作流中增加异常捕获节点，防止因工具调用失败导致流程中断。
- 监控日志：定期查看工具调用日志，分析高频使用的工具类型，优化提示词工程。
八、总结
通过 FastGPT 与 MCP 协议的深度集成，开发者可以快速构建具备丰富外部执行能力的智能体。无论是单一工具调用还是多服务聚合，这套方案都提供了标准化的接入路径，有效降低了 AI 应用落地的技术门槛。
