AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建

Ne0inhk

— 5 min read
AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建

AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建

作者：高瑞冬

本文目录

一、MCP协议简介

MCP协议（Model Context Protocol）是由Anthropic在2024年11月初发布的一种协议，旨在统一AI模型与外部系统之间的通信方式，简化它们之间的交互问题。随着OpenAI官方宣布支持MCP协议，越来越多的AI厂商也开始支持这一协议。

MCP协议主要包含Client和Server两部分：

  • Client（客户端）：使用AI模型的一方，通过MCP Client可以为模型提供调用外部系统的能力
  • Server（服务端）：提供外部系统调用的一方，实际运行外部系统的主体

FastGPT从v4.9.6版本开始，新增了两种MCP相关的功能：

  1. MCP服务：可以将FastGPT应用以MCP协议对外提供
  2. MCP工具集：可以导入外部MCP服务，让FastGPT使用外部工具

mcp-proxy是开源的mcp协议聚合代理，可以聚合多个mcp服务，并提供统一的mcp服务地址。

本文将重点介绍如何在FastGPT中集成和使用MCP工具集。另外，对于私有化部署的fastgpt，本文给出了mcp服务聚合的解决方案。从而实现海量的开源mcp组件能够快速接入Fastgpt平台，为平台上的智能体应用提供丰富的集成能力。给出了开源mcp社区和fastgpt社区资源和平台的完整对接路径。

二、创建MCP工具集

1. 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，访问高德地图MCP Server获取MCP地址，格式如：https://mcp.amap.com/sse?key=xxx。

2. 在FastGPT中创建MCP工具集

  1. 登录FastGPT平台
  2. 在弹出窗口中填入MCP服务地址
  3. 点击"解析"按钮，系统会自动解析出该MCP服务提供的一系列工具
  4. 点击"创建"按钮完成MCP工具集的创建

在工作台中选择"新建应用"，然后选择"MCP工具集"

创建MCP工具集

三、测试MCP工具

创建完MCP工具集后，您可以对工具集中的单个工具进行测试：

  1. 进入MCP工具集详情页面
  2. 输入测试参数，如城市名称"杭州"
  3. 点击"运行"按钮，查看工具返回的结果
  4. 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

四、AI模型调用MCP工具

FastGPT支持两种方式让AI模型调用MCP工具：

1. 调用单个工具

  1. 在工作流中添加"工具调用"节点
  2. 连接工作流节点，让AI模型能够调用这些工具

测试效果：分别提问天气和地点相关问题左图：AI调用天气查询工具 | 右图：AI调用地点搜索工具

天气查询结果
地点搜索结果

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

调用单个工具

2. 调用整个工具集

FastGPT还支持让AI自动选择合适的工具进行调用：

  1. 在工作流中添加"MCP工具集"节点
  2. 此时AI会根据用户问题智能选择合适的工具，获取所需信息后回答问题

使用"工具调用"节点连接该工具集

工具集配置
调用效果

五、私有化部署支持

如果您使用的是FastGPT私有化部署版本，需要以下步骤来支持MCP功能：

1. 环境准备

确保您的FastGPT版本升级到v4.9.6或更高版本。

Read more

【DGX Spark 实战】部署 vLLM + Open WebUI 运行 Qwen3-Coder-Next-FP8（CUDA 13.0 兼容版）-修订

【DGX Spark 实战】部署 vLLM + Open WebUI 运行 Qwen3-Coder-Next-FP8（CUDA 13.0 兼容版）-修订

感谢Qwen3-Coder-Next-FP8为本文进行润色，调整，绘制架构图。但是所有的文字及链接经过手工修订。需要SGLang推理框架，移步 【DGX Spark 实战】部署SGLang，千问3.5-27B模型初探 我们已严格按您提供的原始内容（包括 CUDA_VERSION=130、CPU_ARCH=aarch64、路径 ~/vllm、用户 admin 等）进行全量修正与标准化，确保所有命令与 DGX Spark 实际环境一致。 摘要本文详细记录在 NVIDIA DGX Spark（Grace Blackwell 架构）上部署 vLLM 推理服务并接入 Open WebUI 的完整流程，包含 FlashAttention 编译、vLLM wheel 安装、Qwen3-Coder-Next-FP8

By Ne0inhk
使用Open WebUI下载的模型文件(Model)默认存放在哪里？

使用Open WebUI下载的模型文件(Model)默认存放在哪里？

🏡作者主页：点击！  🤖Ollama部署LLM专栏：点击！ ⏰️创作时间：2025年2月21日21点21分 🀄️文章质量：95分 文章目录 使用CMD安装存放位置 默认存放路径 Open WebUI下载存放位置 默认存放路径 扩展知识 关于 Ollama 核心价值 服务 关于Open WebUI 核心特点 主要功能 使用场景 Open WebUI下载存放位置 在使用Ollama平台进行深度学习和机器学习模型训练时，了解模型文件的存储位置至关重要。这不仅有助于有效地管理和部署模型，还能确保在需要时能够快速访问和更新这些模型文件。本文将详细探讨Ollama下载的模型文件存放在哪里，并提供相关的操作指南和最佳实践 最后感谢大家 希望这篇文章能帮助你！ 使用CMD安装存放位置 以下做测试 我们采用哦llama38B模型来测试 输入命令等待安装即可 默认存放路径 C:\Users\Smqnz\.ollama\models\manifests\registry.ollama.ai 不要直接复制粘贴 我的用户名和你的不一样

By Ne0inhk
一文搞懂Webhook：原理、实操与Langflow落地场景

一文搞懂Webhook：原理、实操与Langflow落地场景

Webhook作为现代系统集成的核心轻量通信机制，以“事件驱动”模式实现跨应用实时数据同步，解决了传统API轮询效率低、资源浪费的痛点。本文从定义、工作原理、核心优势、安全实践四个维度拆解Webhook，重点讲解Langflow产品中Webhook组件的实用操作，并结合企业协作、供应链管理、客户服务等实际场景，展示其如何快速实现无代码/低代码的自动化工作流，帮助开发者与业务人员高效落地跨系统联动需求。 一、什么是Webhook？核心认知拆解 简单来说，Webhook是一种基于HTTP回调的被动式通信机制，本质是“事件触发+自动推送”的桥梁——当系统A发生特定事件（如订单支付、代码提交、消息发送）时，会主动向系统B预先配置的URL（回调地址）发送请求，将事件数据实时推送至系统B，无需系统B主动查询（即轮询）。 类比生活场景：传统API轮询像你反复刷新快递物流页面查进度，而Webhook像快递员送货上门时主动打电话通知你，高效且无需额外操作。其核心价值在于“实时性”与“低资源消耗”，这也是它被广泛应用于现代应用集成的关键原因。 1.1 核心工作流程（4步闭环）

By Ne0inhk
Flutter 组件 ews 的适配 鸿蒙Harmony 实战 - 驾驭企业级 Exchange Web Services 协议、实现鸿蒙端政企办公同步与高安通讯隔离方案

Flutter 组件 ews 的适配 鸿蒙Harmony 实战 - 驾驭企业级 Exchange Web Services 协议、实现鸿蒙端政企办公同步与高安通讯隔离方案

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 ews 的适配 鸿蒙Harmony 实战 - 驾驭企业级 Exchange Web Services 协议、实现鸿蒙端政企办公同步与高安通讯隔离方案 前言 在鸿蒙（OpenHarmony）生态进军政企办公领域的过程中，与现有企业信息化基础设施的深度集成是一道必答题。即便是在全连接、分布式的今天，微软的 Exchange 服务器依然是全球无数大厂与政务系统处理邮件、日历同步的核心底座。 对于习惯了简单 http.get 的移动开发者来说，Exchange Web Services（EWS）协议由于其复杂的 SOAP 封装、繁琐的 XML 数据结构以及极其严苛的身份认证机制，往往是一块难啃的“骨头”。 ews 库为 Dart 提供了成熟的、类型安全的

By Ne0inhk