1. LangBot 接入 MCP 时 endpoint 到底该填什么LangBot 里的 MCP 协议支持本质上是让机器人框架通过标准 JSON-RPC 去发现和调用外部工具。MCP 全称 Model Context Protocol它把「模型要调用什么工具、传什么参数、拿什么结果」抽象成一套统一接口。LangBot 作为聊天机器人框架把 MCP 工具映射成内部可调用的函数再交给大模型去决策。适合谁适合已经在用 LangBot 跑机器人、想让机器人具备联网搜索、查数据库、调内部 API 这类外部能力的开发者。很多人第一次配 LangBot 的 MCP 时卡在endpoint这一项。默认示例里写的是http://localhost:8000/mcp这种本地地址但如果你希望工具调用走一个统一的模型与工具网关就需要把 endpoint 换成 TaoToken 提供的 MCP 接入地址。这里要区分两个概念一个是 LangBot 作为 MCP 客户端去连的「MCP 服务端 endpoint」另一个是模型推理时用的 Base URL。本文聚焦前者也就是把 LangBot 的 MCP endpoint 指向 TaoToken并完成一次工具调用的验证。我试过在 LangBot 的config.yaml里直接改 endpoint结果发现光改地址不够鉴权头、协议版本、工具发现路径都得对上否则要么 401要么tools/list返回空。下面按「先讲清楚问题场景 → 准备 TaoToken 侧信息 → 给出可复制配置 → 发一次真实请求验证 → 排常见错」的顺序走一遍你可以直接照着改。先明确一点LangBot 的 MCP 配置通常落在实例配置的mcp.servers数组里每个 server 有uuid、name、endpoint、auth四个关键字段。endpoint决定请求发到哪auth决定能不能过鉴权。TaoToken 的 MCP 接入地址是https://taotoken.net/api注意这里不带任何查询参数鉴权靠 Header 里的 Bearer Token。模型对话、Coding Plan、API Keys 这些入口在官网都能找到MCP 走的是同一套 API 域名。如果你之前只配过模型 Base URL没配过 MCP endpoint可以把 MCP 理解成「工具层的 API」模型负责决定调哪个工具MCP 负责真正执行。LangBot 把这两层串起来所以 endpoint 必须指向一个能响应tools/list和tools/call的服务。TaoToken 的 MCP 网关就是干这个的。2. 前置准备TaoToken 的 Key、Base URL 与 Model ID在改 LangBot 配置之前先把三件套准备好Base URL、API Key、Model ID。这三样在 MCP 场景里各有用途——Base URL 用于拼接 MCP endpointAPI Key 用于鉴权Model ID 用于 LangBot 里负责决策的模型。缺一个都会在验证阶段报错。Base URL 用https://taotoken.net/api。注意不要写成带 UTM 的官网地址API 调用只认这个域名。API Key 在控制台的 API Keys 页面创建格式通常是一串以sk-开头的字符串。创建后立刻复制保存页面刷新后就看不到完整值了。Model ID 则取决于你想让 LangBot 用哪个模型来做工具决策常见的有通用对话模型和偏代码的模型具体以控制台模型列表为准。这里有个容易踩的坑LangBot 的 MCP 配置里endpoint和模型 Base URL 是两个独立字段。有人把模型 Base URL 填进 MCP endpoint结果 LangBot 发tools/list过去对方返回的是模型列表而不是工具列表解析直接失败。所以务必确认 MCP endpoint 指向的是工具网关路径。如果你用的是 Claude Code 或 Cline 这类工具它们的配置文件和 LangBot 不一样但三件套的逻辑相同。LangBot 的 MCP 配置写在实例配置里通常通过 Web 控制台或直接编辑config.yaml完成。下面给出两种写法你按自己的部署方式选。准备阶段还要确认网络能正常访问taotoken.net。如果你在容器里跑 LangBot注意容器内的 DNS 和出网策略别让请求卡在解析上。可以用curl -I https://taotoken.net/api先探一下连通性返回 401 或 405 都说明网络通了返回超时才是网络问题。最后提醒API Key 不要硬编码进会提交到 Git 的文件。LangBot 支持从环境变量读取建议用${TAOTOKEN_API_KEY}这种占位方式实际值放.env或系统环境变量里。这样即使配置文件被分享Key 也不会泄露。3. 可复制配置LangBot 的 MCP endpoint 与鉴权片段LangBot 的 MCP 配置核心是mcp.servers数组。下面这段 YAML 可以直接粘到你的实例配置里把token换成你自己的 Key。注意endpoint指向 TaoToken 的 API 域名auth.type用bearer。mcp: servers: - uuid: taotoken-mcp-1 name: TaoToken MCP Gateway endpoint: https://taotoken.net/api auth: type: bearer token: ${TAOTOKEN_API_KEY} protocol_version: 2024-11-05 timeout: 30如果你更习惯用 JSON 管理配置等价写法如下。LangBot 部分版本支持从 JSON 导入实例配置字段名保持一致即可。{ mcp: { servers: [ { uuid: taotoken-mcp-1, name: TaoToken MCP Gateway, endpoint: https://taotoken.net/api, auth: { type: bearer, token: ${TAOTOKEN_API_KEY} }, protocol_version: 2024-11-05, timeout: 30 } ] } }几个字段说明。uuid是 LangBot 内部标识随便起但别重复。name是显示名。endpoint必须是https://taotoken.net/api不要加/mcp后缀也不要带查询参数。auth.type固定bearertoken填你的 API Key。protocol_version建议写2024-11-05这是 MCP 较通用的版本号LangBot 会用它做协议协商。timeout单位秒工具调用慢的可以调到 60。如果你在 LangBot 里同时配了模型和 MCP注意模型那块的 Base URL 也是https://taotoken.net/api但字段位置不同。模型配置通常在provider或model段MCP 在mcp段两者不要混。下面给一个模型段的对照方便你确认没填串。provider: openai: base_url: https://taotoken.net/api api_key: ${TAOTOKEN_API_KEY} model: gpt-4o-mini改完配置后重启 LangBot或者通过控制台的热重载让配置生效。重启后在日志里搜MCP服务器 TaoToken MCP Gateway 连接成功看到这行说明 endpoint 和鉴权都过了。如果看到连接失败先别急着改代码去第 5 节对照报错。还有一点LangBot 的 MCP 工具映射会把工具名加上mcp_前缀比如工具原名search映射后是mcp_search。你在流水线里调用时要用映射后的名字。这个前缀在MCPToolMapper里写死改配置改不了记住就行。4. 验证请求确认 LangBot 能发现并调用 MCP 工具配置生效后第一步验证工具发现。LangBot 启动时会调用tools/list你可以在日志里看到返回的工具数量。如果日志没打详细内容可以手动发一次 JSON-RPC 请求确认网关正常。下面用 curl 模拟 LangBot 的tools/list调用。curl -s -X POST https://taotoken.net/api \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { jsonrpc: 2.0, id: 1, method: tools/list, params: {} }正常返回是一个 JSONresult里带tools数组每个工具含name、description、inputSchema。如果返回result.tools为空数组说明网关连上了但没有可用工具检查你的账号是否开通了对应工具权限。如果返回 401说明 Key 不对或没带 Authorization 头。第二步验证工具调用。挑一个工具用tools/call发一次真实请求。下面以调用一个搜索类工具为例参数名以实际inputSchema为准。curl -s -X POST https://taotoken.net/api \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { jsonrpc: 2.0, id: 2, method: tools/call, params: { name: search, arguments: { query: MCP protocol tools list } } }返回里result.content是工具执行结果。看到具体内容就说明整条链路通了。第三步回到 LangBot在聊天窗口发一句会触发工具调用的话比如「帮我搜一下 MCP 协议的最新版本」。LangBot 的流水线会先让模型决策模型返回tool_callsLangBot 再通过 MCP 执行最后把结果拼回回复。控制台会打印执行了1个MCP工具调用聊天窗口能看到带工具结果的回答。如果模型没触发工具调用检查两点一是流水线里是否绑定了 MCP server_pipeline_bound_mcp_servers变量要有值二是模型是否支持 function calling不支持工具调用的模型不会返回tool_calls。这两点确认后工具调用基本就稳了。验证通过后你可以把tools/list的结果缓存起来减少每次对话都去拉工具列表的开销。LangBot 的MCPManager在初始化时加载一次运行中如果工具变动手动触发重载即可。5. 常见报错排查401、local proxy failed 与 choices 解析失败配 MCP 时最常见的报错是 401。LangBot 日志里会写HTTP 401: Unauthorized。原因通常是三个Key 没填、Key 填错、Authorization 头没带上。检查auth.token是否真的读到了环境变量${TAOTOKEN_API_KEY}这种写法要求环境变量存在否则会变成空字符串。可以在 LangBot 启动脚本里echo $TAOTOKEN_API_KEY确认。另外注意 Bearer 和 token 之间有一个空格少空格也会 401。第二个高频报错是local proxy failed或连接超时。这通常不是鉴权问题而是网络层。LangBot 跑在容器里时容器可能没配 DNS或者出网被限制。先在容器内curl -I https://taotoken.net/api如果卡住就是网络。解决方式是给容器配可用的 DNS或者确认宿主机网络策略允许出站 HTTPS。注意不要用任何非正规的网络中转手段直接用正常网络访问即可。第三个报错是reading choices或choices field missing。这个报错出现在模型调用阶段不是 MCP 阶段。原因是 LangBot 把 MCP 的返回结构当成了模型响应去解析或者模型 Base URL 配错返回了非预期结构。检查模型配置的base_url是不是https://taotoken.net/api以及请求是否真的发到了 chat completions 路径。MCP 的 JSON-RPC 响应里没有choices字段如果你在 MCP 调用处看到这个错说明代码路径串了确认MCPClient和模型 requester 是分开的。第四个是 OAuth 相关报错比如OAuth token expired或invalid_grant。TaoToken 的 API Key 是静态 Bearer不涉及 OAuth 刷新流程。如果你看到 OAuth 报错多半是配置里混入了别的服务的鉴权方式把auth.type改回bearer即可。LangBot 的_authenticate方法支持 bearer 和 basicMCP 场景用 bearer。第五个是工具名找不到报MCP工具 mcp_xxx 未找到。这是因为调用时用了原始工具名没加mcp_前缀或者工具列表没刷新。确认tools/list返回里有这个工具然后调用时用mcp_加原名。如果工具是刚加的重启 LangBot 让MCPManager重新加载。排错时建议把 LangBot 日志级别调到 DEBUG能看到完整的请求和响应体。但注意日志里会包含 Authorization 头分享日志前先把 Key 打码。6. 把 MCP 能力接进你的 LangBot 流水线配置和验证都过了之后最后一步是让 MCP 工具真正参与对话。LangBot 的流水线里有一个mcp-tool-call阶段它负责把绑定的 MCP 工具映射成 LLM 工具再根据模型返回的tool_calls去执行。你需要在流水线配置里把 TaoToken 这个 server 的 uuid 绑上去否则阶段里拿不到工具列表。绑定方式是在流水线的变量里设置_pipeline_bound_mcp_servers值是一个数组填 server 的 uuid。比如[taotoken-mcp-1]。这样每次消息进来阶段会拉取这个 server 的工具映射后交给模型。模型决策要调工具时阶段执行tools/call把结果拼回消息历史再让模型生成最终回复。如果你想让不同流水线用不同工具集可以配多个 server每个 server 指向不同的工具分组。TaoToken 的网关支持按 Key 区分权限你可以在控制台建多个 Key分别给不同流水线用。这样权限隔离更清晰某个 Key 泄露也不影响其他流水线。长期跑编码类或 Agent 类任务的话可以考虑用 Coding Plan它在工具调用频次和模型选择上更适合持续性的开发场景。模型对话入口适合临时验证某个模型对工具调用的支持情况API Keys 页面则是管理所有 Key 的地方。接入文档里有完整的字段说明和示例遇到配置项不确定时优先查文档。最后给一个实用技巧把tools/list的结果存一份到本地写流水线时对照inputSchema构造参数避免参数名写错导致工具执行失败。工具调用的参数校验在网关侧做参数不对会返回错误信息日志里能看到具体缺哪个字段。按这个流程走LangBot 的 MCP endpoint 改到 TaoToken 并验证通过基本就是十几分钟的事。