Agent Tool Access (MCP)

title: “Agent 工具访问 (MCP)” weight: 600

在本模块中，我们将构建一个包含订单和库存工具的 MCP (Model Context Protocol) server，将其部署在 EKS 上，并将 agent 连接到它。告别硬编码的 mock。

什么是 MCP？

MCP 是一个开放协议，用于定义 agent 如何发现和调用工具。agent 不再将工具硬编码在其内部，而是连接到一个对外提供这些工具的 server。工具逻辑与 agent 逻辑解耦。我们可以在多个 agent 之间复用工具，并且无需重新部署即可更新工具。

步骤 1：构建 MCP server

cd ~/environment/modules/20-self-managed/600-agent-tools-mcp/mcp-server

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("AnyCompany Tools")

@mcp.tool()
def lookup_order(order_id: str) -> dict:
    """Look up order status， tracking， and details by order ID."""
    ...

@mcp.tool()
def check_inventory(product_name: str) -> dict:
    """Check stock availability for a product."""
    ...
  • @mcp.tool() 装饰器的工作方式与 Strands Agents 中的 @tool 相同。我们编写一个普通的 Python 函数，FastMCP 会自动根据函数签名和 docstring 生成工具 schema。
  • 该 server 定义了三个工具，每个工具都由其独立的 mock 数据集支持。
  • 在文件底部，mcp.streamable_http_app() 返回一个 ASGI 应用，由 uvicorn 直接提供服务。

步骤 2：部署 MCP server（镜像已构建）

mcp-server:v1 镜像已在预置过程中预先构建并推送到 ECR，因此可以直接部署：

cd ~/environment/modules/20-self-managed/600-agent-tools-mcp/mcp-server
envsubst < k8s.yaml | kubectl apply -f -
kubectl rollout status deployment/mcp-server --timeout=60s

步骤 3：将 agent 连接到 MCP

cd ~/environment/modules/20-self-managed/600-agent-tools-mcp/customer-agent

tools.py 文件不再需要，因为 mock 数据现在位于 MCP server 中。启动时，agent 从 MCP server 检索可用的工具列表，并直接将其传递给 Agent(tools=...)。

mcp_client = MCPClient(lambda: streamablehttp_client(mcp_server_url))
mcp_client.__enter__()

mcp_tools = mcp_client.list_tools_sync()
print(f"Discovered {len(mcp_tools)} MCP tools: {[t.tool_name for t in mcp_tools]}")

agent = Agent(model=model， system_prompt=SYSTEM_PROMPT，
              tools=[search_products， *mcp_tools])
  • list_tools_sync() 在启动时从 server 拉取工具 schema。在这一行运行之前，agent 并不知道这些工具的存在。
  • 该客户端在整个进程生命周期内保持打开状态。长时间运行的 HTTP server = 连接在多次请求之间保持活动状态；如果每个请求都建立一个新连接，会很痛苦

步骤 4：重新部署 agent（镜像已构建）

customer-agent:mcp 镜像已在预置过程中预先构建并推送到 ECR：

cd ~/environment/modules/20-self-managed/600-agent-tools-mcp/customer-agent
envsubst < k8s.yaml | kubectl apply -f -
kubectl rollout status deployment/customer-agent --timeout=180s

步骤 5：聊天

打开聊天 UI，选择 Customer Agent (Self-managed GenAI)，并尝试一个在一次对话中使用两个 MCP 工具的流程：

I want to return the headphones from order ORD-11111

agent 应该调用 lookup_order，看到状态为 processing，并拒绝发起退货，所有这些都可以在 Langfuse 中查看。

我们构建了什么

  • 一个运行在 EKS 上的 MCP server，暴露三个工具：lookup_order、check_inventory 和 initiate_return
  • 一个在启动时从 MCP server 动态发现可用工具的 agent，而不是依赖硬编码的列表
  • 清晰的关注点分离：本地 mock 工具文件已被移除，所有工具逻辑现在都驻留在 MCP server 中

下一步

一个 agent 完成所有工作。接下来，我们将把它拆分成通过 A2A 协调的多个专家。