当前位置：首页 > news >正文

LangChain 是 LLM 应用开发 / 编排框架，MCP 是 “模型 ↔ 外部工具 / 数据” 的标准化通信协议；LangChain 用官方适配器把 MCP 当作统一 “工具总线” 来集成

news 2026/6/10 16:54:16

LangChain 是 LLM 应用开发 / 编排框架，MCP 是 “模型 ↔ 外部工具 / 数据” 的标准化通信协议；LangChain 用官方适配器把 MCP 当作统一 “工具总线” 来集成，二者互补、不是竞争关系LangChain。

先给结论：LangChain 是 LLM 应用开发 / 编排框架，MCP 是“模型 ↔ 外部工具 / 数据” 的标准化通信协议；LangChain 用官方适配器把 MCP 当作统一 “工具总线” 来集成，二者互补、不是竞争关系LangChain。

下面从定位、架构、集成方式、区别与场景讲清楚。

一、LangChain 与 MCP 各自是什么

LangChain（框架）

定位：LLM 应用开发与编排框架
核心：Runnable、Tool、Memory、Prompt、Chain、LangGraph
作用：把 “模型 + 提示词 + 记忆 + 检索 + 工具” 编排成对话、RAG、Agent 等完整应用
一句话：LangChain 负责“怎么组织流程”

MCP（协议，Model Context Protocol）

发起：Anthropic（2024 年底开源）
定位：LLM 与外部工具 / 数据源的统一通信标准，号称 AI 的 “USB‑C”
架构：Client ↔ Server，基于 JSON‑RPC 2.0，有状态双向会话Model Context Protocol (MCP)
三大原语：
- Tools：模型可调用的函数（查库、调用 API）
- Resources：上下文数据（文件、日志、知识库）
- Prompts：可复用提示模板
一句话：MCP负责 “工具 / 上下文怎么被调用”

二、LangChain 与 MCP 的关系：框架 + 标准总线

1. 总体关系：集成互补、非竞争

LangChain 官方提供langchain-mcp-adapters，将 MCP 作为一等公民支持LangChain
MCP 对 LangChain 是统一外部工具接入层，解决 “模型 × 工具”N×M 适配爆炸问题
类比：
- LangChain = 电脑（CPU / 内存 / 软件 / 编排）
- MCP = USB‑C（统一连接硬盘、显示器、外设）
- MCP Server = 各类外设（数据库、搜索、地图）

2. 架构位置（数据流）

plaintext

用户/前端 ↓ LangServe / LangGraph（编排、状态、分支、循环） ↓ LangChain 核心（LLM、Prompt、Memory、RAG、Tool） ↓ langchain-mcp-adapters（适配层） ↓ MCP Client ↔ MCP Server（JSON‑RPC、有状态会话） ↓ 外部工具/数据源（DB、API、文件、搜索、第三方服务）

3. 集成核心：MCP 工具 → LangChain 原生 Tool

适配器把 MCP Server 暴露的工具自动转为 LangChain 的BaseToolLangChain
在 LangChain Agent 里用 MCP 工具，和用@tool写的本地工具完全一样LangChain
支持同时连接多个 MCP Server（数学、天气、地图、数据库）

4. 集成代码示例（Python）

python

运行

from langchain_mcp_adapters.client import MultiServerMCPClient from langchain_openai import ChatOpenAI from langchain.agents import create_tool_calling_agent # 1. 配置多个 MCP Server（本地+远程） mcp_config = { "math": { "transport": "stdio", "command": "python", "args": ["math_server.py"] }, "amap": { "transport": "stdio", "command": "npx", "args": ["-y", "@amap/amap-maps-mcp-server"], "env": {"AMAP_KEY": "xxx"} } } # 2. 连接并加载所有 MCP 工具 async with MultiServerMCPClient(mcp_config) as client: tools = await client.get_tools() # 转为 LangChain 工具列表 # 3. 正常创建 Agent，直接使用 MCP 工具 llm = ChatOpenAI(model="gpt-4o") agent = create_tool_calling_agent(llm, tools, prompt=...) res = agent.invoke({"input": "计算 (3+5)*12 并查北京天气"})

三、LangChain vs MCP：关键区别

表格

维度	LangChain	MCP
本质	应用开发框架 / 编排引擎	通信协议 / 接口标准
核心能力	流程编排、记忆、RAG、多轮对话、LangGraph 状态流	工具 / 资源 / 提示的标准化接入、安全边界、双向会话
解决问题	如何把模型与能力串成复杂应用	模型如何统一、安全地调用外部世界
依赖关系	可独立运行，也可集成 MCP	不依赖 LangChain，可被任何 LLM 框架集成
生态成熟度	成熟（500 + 工具、大量案例）	较新（2024 年底推出，生态快速扩张）