AI Agent 新范式：FastGPT 结合 MCP 协议构建工具增强智能体

MCP 协议（Model Context Protocol）由 Anthropic 于 2024 年发布，旨在统一 AI 模型与外部系统的通信方式。随着 OpenAI 等厂商的支持，越来越多的 AI 应用开始接入这一标准。

MCP 架构主要包含 Client 和 Server 两部分：

Client：使用 AI 模型的一方，通过 MCP Client 为模型提供调用外部系统的能力。
Server：提供外部系统调用的一方，实际运行外部服务的主体。

FastGPT 从 v4.9.6 版本起新增了两种 MCP 相关功能：

MCP 服务：将 FastGPT 应用以 MCP 协议对外提供。
MCP 工具集：导入外部 MCP 服务，让 FastGPT 使用外部工具。

此外，mcp-proxy 作为开源的 MCP 协议聚合代理，可以聚合多个 MCP 服务并提供统一地址。本文将重点介绍如何在 FastGPT 中集成和使用 MCP 工具集，并给出私有化部署的聚合方案。

创建 MCP 工具集

获取 MCP 服务地址

首先，您需要获取一个支持 MCP 协议的服务地址。这里以高德地图的 MCP 服务为例，访问其官方文档获取 MCP 地址，格式通常为 https://mcp.amap.com/sse?key=xxx。

在 FastGPT 中创建 MCP 工具集

创建 MCP 工具集

测试 MCP 工具

创建完成后，您可以对工具集中的单个工具进行测试。进入 MCP 工具集详情页面，输入测试参数（例如城市名称'杭州'），点击'运行'按钮即可查看返回结果。系统会显示该城市的具体天气信息。

选择需要测试的具体工具，例如 maps_weather（天气查询工具）。

测试 MCP 工具

AI 模型调用 MCP 工具

FastGPT 支持两种方式让 AI 模型调用 MCP 工具：

调用单个工具

在工作流中添加'工具调用'节点，连接工作流节点，让 AI 模型能够直接调用这些工具。

测试效果：分别提问天气和地点相关问题。左图为 AI 调用天气查询工具的结果，右图为 AI 调用地点搜索工具的结果。

调用单个工具

选择之前创建的特定 MCP 工具，例如 maps_weather 和 maps_text_search。

AI Agent 新范式：FastGPT 结合 MCP 协议构建工具增强智能体