Qwen3 + Qwen Agent 智能体开发实战：接入 MCP 工具指南

运行后，即可看到与 Qwen3 模型的交互效果。

三、接入 MCP 工具实战

接下来是核心环节：让智能体调用外部工具。Qwen-Agent 采用 stdio 模式将 MCP 服务作为子进程通信。本例以 mcp-server-sqlite 为例，打造一个能操作本地数据库的助手。

1. 配置 MCP 服务

我们需要定义一个 tools 数组来存放 MCP 服务器的配置（类似 Function Calling 的 JSON Schema）。

from qwen_agent.agents import Assistant
from qwen_agent.utils.output_beautify import typewriter_print

def init_agent_service():
    llm_cfg = {
        'model': 'qwen3-235b-a22b',
        'model_server': 'dashscope',
        'api_key': '你的 api-key',
        'generate_cfg': {'top_p': 0.8}
    }
    
    # 定义 MCP 服务配置
    tools = [{
        "mcpServers": {
            "sqlite": {
                "command": "uvx",
                "args": ["mcp-server-sqlite", "--db-path", "test.db"]
            }
        }
    }]
    
    bot = Assistant(
        llm=llm_cfg, 
        name='数据库管理员', 
        description='你是一位数据库管理员，具有对本地数据库的增删改查能力', 
        system_message='你扮演一个数据库助手，你具有查询数据库的能力', 
        function_list=tools
    )
    return bot

2. 执行数据库操作

构造提示词让智能体创建表并插入数据。

def run_query(query=None):
    bot = init_agent_service()
    messages = []
    messages.append({'role': 'user', 'content': [{'text': query}]})
    previous_text = ""
    print('数据库管理员：', end='', flush=True)
    for response in bot.run(messages):
        previous_text = typewriter_print(response, previous_text)

if __name__ == '__main__':
    query = '帮我创建一个学生表，表名是 students，包含 id, name, age, gender, score 字段，然后插入一条数据，id 为 1,name 为张三，age 为 20,gender 为男，score 为 95'
    run_query(query)

执行后，本地会生成 test.db 文件。我们可以用原生 sqlite3 验证数据是否写入成功。

import sqlite3
conn = sqlite3.connect('test.db')
cursor = conn.cursor()
cursor.execute("SELECT name FROM sqlite_master WHERE type='table';")
tables = cursor.fetchall()
print("数据库中的表:", tables)
if tables:
    table_name = tables[0][0]
    cursor.execute(f"SELECT * FROM {table_name}")
    print(f"{table_name} 表中的数据:", cursor.fetchall())
conn.close()

验证结果显示，Qwen-Agent 成功调用了 sqlite-create_table 和 sqlite-write_query 函数，完成了自然语言转 SQL 的操作。

四、总结

本文演示了如何利用 Qwen3 和 Qwen-Agent 框架快速接入 MCP 服务端。主要步骤包括：获取阿里云百炼 API Key、配置 Qwen-Agent 环境、以及通过 MCP 协议集成 SQLite 数据库工具。这展示了大模型在理解意图并调用外部工具方面的强大能力，为后续开发更复杂的自动化智能体打下了基础。