収録件数：261 件のニュース/91 個のAIツール/372 個のオープンソースプロジェクト/64 件の学習リソース
ホームニュースオープンソースモデルAIツール学習リソース
ホーム / オープンソース / langchain-mcp-adapters

langchain-mcp-adapters

Anthropicモデルのコンテンツプロトコル（MCP）ツールをLangChainおよびLangGraphと互換性を持たせる軽量ラッパー

PythonMITMCP
⭐ GitHubhttps://github.com/langchain-ai/langchain-mcp-adapters
3,616
スター数
+45
スター増加率
Jul 28, 2026
最終更新
1,068
クリック数

LangChain MCPアダプター - プロジェクト詳細

プロジェクト概要

LangChain MCPアダプターは、Anthropicモデルコンテンツプロトコル(MCP)ツールをLangChainおよびLangGraphエコシステムとシームレスに統合することを目的とした軽量なラッパーライブラリです。このプロジェクトは、異なるAIツールフレームワーク間の互換性の問題を解決し、開発者がLangChain/LangGraph環境でMCPツールを直接使用して、より強力で柔軟なAIエージェントアプリケーションを構築できるようにします。

プロジェクトアドレス: https://github.com/langchain-ai/langchain-mcp-adapters

主要な機能と特性

🔧 ツール変換とアダプテーション

  • MCPからLangChainツールへの変換: MCPツールをLangChainツール形式に自動的に変換
  • シームレスな統合: 変換されたツールはLangGraphエージェントで直接使用可能
  • タイプセーフ: 元のツールの型情報とパラメータ検証を保持
  • 非同期サポート: 非同期ツール操作を完全にサポート

📦 マルチサーバークライアント

  • マルチサーバー接続: 複数のMCPサーバーに同時に接続
  • 統一されたツール管理: 異なるサーバーからツールをロードおよび管理
  • サーバー構成: 柔軟なサーバーパラメータ構成をサポート
  • 接続プール管理: 効率的な接続リソース管理

🌐 転送プロトコルサポート

  • STDIO転送: 標準入出力転送プロトコルをサポート
  • SSE転送: サーバープッシュイベント転送プロトコルをサポート
  • マルチプロトコル混合: 異なるサーバーで異なる転送プロトコルを使用可能
  • 自動再接続: 接続が切断された場合の自動再接続メカニズム

🤖 LangGraph統合

  • Reactエージェント: LangGraphのReactエージェントと完全に統合
  • 非同期エージェント: 非同期エージェント実行をサポート
  • ツールチェーンの組み合わせ: 複雑なツールチェーンとワークフローをサポート
  • 状態管理: エージェントの実行状態を維持

技術アーキテクチャ

主要コンポーネント

LangChain/LangGraph Application
         ↓
LangChain MCP Adapters
         ↓
MCP Client Implementation
         ↓
Multiple MCP Servers (Math, Weather, etc.)

ツール変換フロー

  1. MCPツール発見: MCPサーバーから利用可能なツールリストを取得
  2. ツールメタデータ解析: ツール名、説明、パラメータを解析
  3. LangChainツール作成: 互換性のあるLangChainツールオブジェクトを作成
  4. エージェント統合: ツールをLangGraphエージェントに登録
  5. 実行転送: LangChainツール呼び出しをMCPサーバーに転送

インストールと使用

迅速なインストール

# 基本インストール
pip install langchain-mcp-adapters

# 完全な開発環境
pip install langchain-mcp-adapters langgraph langchain-openai

環境設定

# OpenAI APIキーの設定
export OPENAI_API_KEY=<your_api_key>

使用例

基本的な例：数学サーバー

1. MCPサーバーの作成

# math_server.py
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Math")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

@mcp.tool()
def multiply(a: int, b: int) -> int:
    """Multiply two numbers"""
    return a * b

if __name__ == "__main__":
    mcp.run(transport="stdio")

2. LangGraphエージェントの作成

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
from langchain_mcp_adapters.tools import load_mcp_tools
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI

# モデルの初期化
model = ChatOpenAI(model="gpt-4o")

# サーバーパラメータの設定
server_params = StdioServerParameters(
    command="python",
    args=["/path/to/math_server.py"],
)

# エージェントの作成と実行
async with stdio_client(server_params) as (read, write):
    async with ClientSession(read, write) as session:
        await session.initialize()
        
        # MCPツールのロード
        tools = await load_mcp_tools(session)
        
        # エージェントの作成
        agent = create_react_agent(model, tools)
        
        # クエリの実行
        response = await agent.ainvoke({
            "messages": "what's (3 + 5) x 12?"
        })

高度な例：マルチサーバー統合

1. 天気サーバー

# weather_server.py
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Weather")

@mcp.tool()
async def get_weather(location: str) -> str:
    """Get weather for location."""
    return f"It's always sunny in {location}"

if __name__ == "__main__":
    mcp.run(transport="sse")

2. マルチサーバークライアント

from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4o")

# マルチサーバー構成
async with MultiServerMCPClient({
    "math": {
        "command": "python",
        "args": ["/path/to/math_server.py"],
        "transport": "stdio",
    },
    "weather": {
        "url": "http://localhost:8000/sse",
        "transport": "sse",
    }
}) as client:
    # エージェントの作成
    agent = create_react_agent(model, client.get_tools())
    
    # 数学演算
    math_response = await agent.ainvoke({
        "messages": "what's (3 + 5) x 12?"
    })
    
    # 天気クエリ
    weather_response = await agent.ainvoke({
        "messages": "what is the weather in NYC?"
    })

LangGraph APIサーバー統合

1. グラフ構成ファイル

# graph.py
from contextlib import asynccontextmanager
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
from langchain_anthropic import ChatAnthropic

model = ChatAnthropic(model="claude-3-5-sonnet-latest")

@asynccontextmanager
async def make_graph():
    async with MultiServerMCPClient({
        "math": {
            "command": "python",
            "args": ["/path/to/math_server.py"],
            "transport": "stdio",
        },
        "weather": {
            "url": "http://localhost:8000/sse",
            "transport": "sse",
        }
    }) as client:
        agent = create_react_agent(model, client.get_tools())
        yield agent

2. LangGraph構成

{
  "dependencies": ["."],
  "graphs": {
    "agent": "./graph.py:make_graph"
  }
}

アプリケーションシナリオと利点

🎯 アプリケーションシナリオ

エンタープライズAIエージェント

  • 多機能統合: さまざまなビジネスツールとAPIを統合
  • ワークフロー自動化: 複雑なビジネスプロセスの自動化を構築
  • データ処理: 異なるデータソースと処理ツールを統合

開発者ツールチェーン

  • コード生成: コード生成および分析ツールを統合
  • テスト自動化: インテリジェントなテストエージェントを構築
  • DevOps統合: 自動化されたデプロイメントと監視

研究と教育

  • 科学計算: 数学および科学計算ツールを統合
  • データ分析: インテリジェントなデータ分析アシスタントを構築
  • 教育アシスタント: インタラクティブな学習ツールを作成

✨ 技術的な利点

エコシステムの相互運用性

  • 標準化されたインターフェース: MCP標準プロトコルに準拠
  • 幅広い互換性: LangChainエコシステムとシームレスに統合
  • 拡張性: カスタムツールとプロトコルの拡張をサポート

開発効率の向上

  • 迅速な統合: 数行のコードでMCPツールを統合可能
  • タイプセーフ: 完全な型ヒントと検証
  • エラー処理: 完璧なエラー処理と再試行メカニズム

パフォーマンスと信頼性

  • 非同期サポート: 高性能な非同期操作
  • 接続管理: インテリジェントな接続プールと再接続メカニズム
  • リソース最適化: 効率的なリソースの使用と管理

技術仕様

サポートされているプロトコルバージョン

  • MCPプロトコル: 最新のMCPプロトコル仕様と互換性あり
  • LangChain: LangChain 0.1+バージョンをサポート
  • LangGraph: LangGraph最新バージョンをサポート

転送プロトコル

  • STDIO: 標準入出力転送
  • SSE: サーバープッシュイベント
  • HTTP: HTTPベースのRESTful API
  • WebSocket: リアルタイム双方向通信（計画中）

ツールタイプサポート

  • 同期ツール: 従来の同期関数ツール
  • 非同期ツール: 高性能な非同期ツール
  • ストリーミングツール: ストリーミング出力をサポート
  • 状態ツール: 状態管理をサポートするツール

ベストプラクティス

🔧 開発の推奨事項

ツールの設計

  • 単一機能: 各ツールは単一の機能に焦点を当てる
  • 明確なパラメータ: 明確なパラメータの説明と型を提供する
  • エラー処理: 完璧なエラー処理ロジックを実装
  • 完全なドキュメント: 詳細なツールドキュメントを提供する

パフォーマンスの最適化

  • 接続の再利用: MCPサーバー接続を再利用
  • 非同期優先: 非同期ツールと操作を優先的に使用
  • リソース管理: 不要なリソースをタイムリーに解放
  • キャッシュ戦略: キャッシュを適切に使用してパフォーマンスを向上

セキュリティに関する考慮事項

  • 権限制御: 適切な権限チェックを実装
  • 入力検証: 入力パラメータを厳密に検証
  • ログ記録: 重要な操作とエラーを記録
  • キー管理: APIキーと認証情報を安全に管理

まとめ

LangChain MCPアダプタープロジェクトは、AIツールエコシステムにおける重要なインフラストラクチャであり、MCPプロトコルとLangChainフレームワーク間のギャップをうまく埋めました。このアダプターを通じて、開発者は次のことが可能になります。

🎯 コアバリュー

  • 統一されたツールエコシステム: 異なるプロトコルのAIツールをLangChainエコシステムに統合
  • 開発効率の向上: AIエージェント開発の複雑さと作業量を大幅に削減
  • 機能拡張性: さまざまなサードパーティツールとサービスを簡単に統合
  • 標準化されたサポート: 業界標準に準拠し、長期的な互換性を保証

🌟 プロジェクトのハイライト

  • 軽量設計: 依存関係を最小限に抑え、統合とデプロイが容易
  • 完全な機能: ツール変換からエージェント実行までの完全なプロセスをカバー
  • 本番環境対応: エンタープライズレベルの安定性とパフォーマンスを提供
  • コミュニティ主導: アクティブなオープンソースコミュニティと継続的な機能イテレーション

🔮 アプリケーションの見通し

AIエージェント技術の急速な発展に伴い、ツール統合と相互運用性がますます重要になります。LangChain MCPアダプターは、異なるAIツールエコシステムを接続するブリッジとして、将来のAIアプリケーション開発において重要な役割を果たすでしょう。現在の開発プロセスを簡素化するだけでなく、よりインテリジェントで機能豊富なAIエージェントアプリケーションを構築するための強固な基盤を築きます。

AIアプリケーション開発者、企業の技術意思決定者、研究者のいずれであっても、このプロジェクトは深く理解し、応用する価値があります。これはAIツール統合分野におけるベストプラクティスを表しており、より強力で柔軟なAIソリューションの構築に役立ちます。