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

一、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 等厂商相继支持，这一协议正逐渐成为连接大模型与外部能力的桥梁。

MCP 架构主要包含两部分：

Client（客户端）：使用 AI 模型的一方，通过 Client 为模型赋予调用外部系统的能力。
Server（服务端）：提供外部系统调用的主体，实际运行相关服务。

FastGPT 从 v4.9.6 版本起新增了两种核心功能：

MCP 服务：将 FastGPT 应用以 MCP 协议对外暴露。
MCP 工具集：导入外部 MCP 服务，让 FastGPT 能够直接调用这些工具。

此外，mcp-proxy 作为一个开源的聚合代理，可以将多个 MCP 服务整合为一个统一地址，非常适合私有化部署场景。本文将聚焦于如何在 FastGPT 中集成和使用 MCP 工具集，并给出私有化环境下的聚合方案。

二、创建 MCP 工具集

1. 获取 MCP 服务地址

首先，你需要一个支持 MCP 协议的服务端地址。这里以高德地图为例，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。

2. 在 FastGPT 中创建 MCP 工具集

在弹出窗口中填入上一步获取的 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。

在工作台中选择'新建应用'，然后选择'MCP 工具集'入口即可开始配置。

创建 MCP 工具集

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 MCP 工具集详情页面，选择一个具体工具（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'。系统会返回该城市的实时天气信息，这证明链路已打通。

测试 MCP 工具

四、AI 模型调用 MCP 工具

FastGPT 提供了两种让 AI 模型调用工具的灵活方式。

1. 调用单个工具

在工作流中添加'工具调用'节点，并将其连接到 AI 模型节点。这样模型就能在特定上下文中精确调用指定工具。

测试时分别询问天气或地点相关问题，可以看到左侧 AI 调用天气查询工具，右侧调用地点搜索工具的效果。

天气查询结果地点搜索结果

选择之前创建的特定 MCP 工具，例如 maps_weather 和 maps_text_search，即可实现精准控制。

调用单个工具

2. 调用整个工具集

如果你希望 AI 自主判断需要哪个工具，可以直接添加'MCP 工具集'节点。此时 AI 会根据用户意图智能匹配工具，获取信息后再作答。

只需使用'工具调用'节点连接该工具集，配置如下：

工具集配置

效果展示：

调用效果

五、私有化部署支持

对于本地部署的 FastGPT，启用 MCP 功能需要满足一定的前提条件。

1. 环境准备

确保你的 FastGPT 版本已升级至 v4.9.6 或更高版本。这是支持 MCP 协议的基础门槛。

后续步骤涉及修改 docker-compose.yml 文件及 FastGPT 配置，并重启服务。由于不同网络环境和业务需求差异较大，具体的 Docker 编排细节需结合实际情况调整。若需接入海量开源 MCP 组件，建议配合 mcp-proxy 进行服务聚合，以实现统一的接入路径。