Skip to content

模型上下文协议 (MCP)

Supported in ADKPythonJava

模型上下文协议 (MCP) 是一种开放标准，旨在标准化大型语言模型（LLM）如 Gemini 和 Claude 与外部应用程序、数据源和工具的通信方式。可以将其视为一种通用连接机制，简化了 LLM 获取上下文、执行操作和与各种系统交互的方式。

MCP 如何工作？

MCP 遵循「客户端 - 服务器（client-server）」架构，定义了数据（资源）、交互模板（提示）和可执行函数（工具）如何由 MCP 服务器公开并由 MCP 客户端（可能是 LLM 主机应用程序或 AI 智能体）使用。

ADK 中的 MCP 工具

ADK 帮助你在智能体中使用和消费 MCP 工具，无论你是试图构建工具来调用 MCP 服务，还是暴露 MCP 服务器供其他开发者或智能体与你的工具交互。

参考 MCP 工具文档 获取代码示例和设计模式，帮助你将 ADK 与 MCP 服务器一起使用，包括：

  • 在 ADK 中使用现有 MCP 服务器：ADK 智能体可以作为 MCP 客户端，使用外部 MCP 服务器提供的工具。
  • 通过 MCP 服务器暴露 ADK 工具：如何构建一个包装 ADK 工具的 MCP 服务器，使其可被任何 MCP 客户端访问。

数据库 MCP 工具箱

数据库 MCP 工具箱 是一个开源 MCP 服务器，它安全地将你的后端数据源暴露为一组预构建的、生产就绪的工具，供 Gen AI 智能体使用。它充当通用抽象层，允许你的 ADK 智能体安全地查询、分析和检索来自各种数据库的信息，并提供内置支持。

MCP 工具箱服务器包含一个全面的连接器库，确保智能体能够安全地与你的复杂数据资产交互。

支持的数据源

MCP 工具箱为以下数据库和数据平台提供开箱即用的工具集：

Google Cloud

关系型和 SQL 数据库

NoSQL 和键值存储

  • MongoDB
  • Couchbase
  • Redis
  • Valkey

  • Cassandra

  • MongoDB

  • Couchbase
  • Redis

  • Valkey

  • Neo4j (包含用于 Cypher 查询和模式检查的工具)

  • Dgraph

  • Neo4j（包含 Cypher 查询和模式检查工具）

  • Dgraph

  • Looker (用于通过 Looker API 运行 Looks、查询和构建仪表板)

  • Trino (用于跨多个源运行联邦查询)

其他

  • HTTP

  • Looker（通过 Looker API 运行 Looks、查询和构建仪表板）

  • Trino（跨多个源运行联邦查询）

参考MCP 数据库工具箱文档，了解如何将 ADK 与 MCP 数据库工具箱一起使用。要开始使用 MCP 数据库工具箱，还可以参考博客文章 教程：MCP 数据库工具箱 - 公开 Big Query 数据集 和 Codelab MCP 数据库工具箱：使 BigQuery 数据集可用于 MCP 客户端。

参考数据库 MCP 工具箱文档了解如何将 ADK 与数据库 MCP 工具箱一起使用。为了帮助你开始使用数据库 MCP 工具箱，还提供了博客文章教程：数据库 MCP 工具箱 - 公开 Big Query 数据集和 Codelab 数据库 MCP 工具箱：使 BigQuery 数据集可用于 MCP 客户端。

GenAI 工具箱

ADK 智能体和 FastMCP 服务器

FastMCP 处理所有复杂的 MCP 协议细节和服务器管理，因此你可以专注于构建优秀的工具。它被设计为高级且符合 Python 风格；在大多数情况下，只需装饰一个函数就足够了。

参考 MCP 工具文档 了解如何将 ADK 与在 Cloud Run 上运行的 FastMCP 服务器一起使用。

Agent Development Kit (ADK) 和 Genkit 为这些 MCP 工具提供内置支持，让你的 AI 智能体能够有效地编排生成式媒体工作流。有关实现指导，请参阅 ADK 示例智能体和 Genkit 示例。