LangChain MCP 어댑터 라이브러리는 Anthropic Model Context Protocol (MCP) 도구를 LangChain과 LangGraph와 호환되게 해주는 경량 어댑터를 제공합니다.

특징

🛠️ MCP 도구를 LangChain 도구로 변환하여 LangGraph 에이전트와 함께 사용 가능
📦 여러 MCP 서버에 연결하고 해당 서버에서 도구를 로드할 수 있는 클라이언트 구현

설치

pip install langchain-mcp-adapters

uv 패키지 관리자를 사용하는 경우 다음 명령을 사용하여 설치할 수 있습니다.

uv add langchain-mcp-adapters langgraph langchain-openai

빠른 시작

이 라이브러리를 사용하여 간단한 예제를 만들어 보겠습니다.

먼저 OpenAI API 키를 설정해야 합니다.

export OPENAI_API_KEY=<your_api_key>
# 프록시를 사용해야 하는 경우 이 변수를 설정하세요.
export OPENAI_API_BASE=<your_api_base>

서버

예를 들어 더하기와 곱하기 숫자를 할 수 있는 MCP 서버를 만들어 보겠습니다.

# math_server.py
from fastmcp import FastMCP

mcp = FastMCP("Math Server")

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

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

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

클라이언트

다음으로, MCP 도구를 사용하여 LangGraph 에이전트와 함께 작업하는 클라이언트를 만들어 보겠습니다.

# client_demo.py
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
import asyncio

from langchain_mcp_adapters.tools import load_mcp_tools
from langgraph.prebuilt import create_react_agent

from langchain_openai import ChatOpenAI
model = ChatOpenAI(model="gpt-4o")

server_params = StdioServerParameters(
    command="python",
    # math_server.py 의 전체 절대 경로를 확인하세요.
    args=["/your/path/to/math_server.py"],
)

async def main():
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            # 초기화 연결
            await session.initialize()

            # 도구 가져오기
            tools = await load_mcp_tools(session)
            print(f"tools: {tools}")
            # 에이전트 생성 및 실행
            agent = create_react_agent(model, tools)
            agent_response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})

            # 모든 메시지 출력
            print("All messages:")
            for message in agent_response["messages"]:
                print(f"Message type: {type(message).__name__}")
                print(f"Message content: {message.content}")
                if hasattr(message, 'tool_calls') and message.tool_calls:
                    print(f"Tool calls: {message.tool_calls}")
                if hasattr(message, 'name') and message.name:
                    print(f"Tool name: {message.name}")
                if hasattr(message, 'tool_call_id') and message.tool_call_id:
                    print(f"Tool call id: {message.tool_call_id}")
                print("-" * 50)

if __name__ == "__main__":
    asyncio.run(main())

위 코드에서는 langchain_mcp_adapters.tools 모듈의 load_mcp_tools 함수를 사용하여 MCP 도구를 로드하고, 이 함수는 MCP 도구를 LangChain 도구로 자동 변환합니다. 따라서 이후 create_react_agent 를 사용하여 에이전트를 생성하고 이러한 도구를 전달하여 사용할 수 있습니다.

이 클라이언트를 직접 실행하면 다음과 같은 출력을 볼 수 있습니다.

$ python3 client_demo.py
[04/14/25 10:18:04] INFO     Processing request of type ListToolsRequest                                                                               server.py:534
tools: [StructuredTool(name='add', description='Add two integers', args_schema={'properties': {'a': {'title': 'A', 'type': 'integer'}, 'b': {'title': 'B', 'type': 'integer'}}, 'required': ['a', 'b'], 'title': 'addArguments', 'type': 'object'}, response_format='content_and_artifact', coroutine=<function convert_mcp_tool_to_langchain_tool.<locals>.call_tool at 0x11244aac0>), StructuredTool(name='mul', description='Multiply two integers', args_schema={'properties': {'a': {'title': 'A', 'type': 'integer'}, 'b': {'title': 'B', 'type': 'integer'}}, 'required': ['a', 'b'], 'title': 'mulArguments', 'type': 'object'}, response_format='content_and_artifact', coroutine=<function convert_mcp_tool_to_langchain_tool.<locals>.call_tool at 0x11244aca0>)]
[04/14/25 10:18:09] INFO     Processing request of type CallToolRequest                                                                                server.py:534
                    INFO     Processing request of type CallToolRequest                                                                                server.py:534
All messages:
Message type: HumanMessage
Message content: what's (3 + 5) x 12?
--------------------------------------------------
Message type: AIMessage
Message content:
Tool calls: [{'name': 'add', 'args': {'a': 3, 'b': 5}, 'id': 'call_0_c350e878-14fc-4b76-9f54-8e2ad7ec0148', 'type': 'tool_call'}, {'name': 'mul', 'args': {'a': 8, 'b': 12}, 'id': 'call_1_c0d807fb-31c8-43ed-9f7c-d4775e30a256', 'type': 'tool_call'}]
--------------------------------------------------
Message type: ToolMessage
Message content: 8
Tool name: add
Tool call id: call_0_c350e878-14fc-4b76-9f54-8e2ad7ec0148
--------------------------------------------------
Message type: ToolMessage
Message content: 96
Tool name: mul
Tool call id: call_1_c0d807fb-31c8-43ed-9f7c-d4775e30a256
--------------------------------------------------
Message type: AIMessage
Message content: The result of \((3 + 5) \times 12\) is \(96\).
--------------------------------------------------

마지막 출력에서도 볼 수 있듯이, 우리의 에이전트가 MCP 도구를 성공적으로 호출하고 올바른 결과를 얻었습니다.

여러 개의 MCP 서버

이 MCP 어댑터는 여러 개의 MCP 서버에 연결하고 해당 서버에서 도구를 로드할 수 있도록 허용합니다.

서버

위에서 이미 MCP 서버를 만들었으므로, 이제 weather_server.py 의 MCP 서버를 만들어 보겠습니다.

# 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."""
    # mock
    return f"It's always sunny in {location}"


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

여기서는 sse 전송 프로토콜을 사용하고, 이제 이 MCP 서버를 실행합니다.

$python weather_server.py
INFO:     Started server process [64550]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)

클라이언트

이제 client_demo_multi_server.py 의 클라이언트를 만들어 보겠습니다.

# client_demo_multi_server.py
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI
import asyncio

model = ChatOpenAI(model="deepseek-chat")


async def main():
    async with MultiServerMCPClient(
        {
            "math": {
                "command": "python",
                # math_server.py 의 전체 절대 경로를 확인하세요.
                "args": ["/your/path/to/math_server.py"],
                "transport": "stdio",
            },
            "weather": {
                # weather_server.py 에서 시작하세요.
                "url": "http://localhost:8000/sse",
                "transport": "sse",
            }
        }
    ) as client:
        agent = create_react_agent(model, client.get_tools())

        math_response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})
        weather_response = await agent.ainvoke({"messages": "what is the weather in chengdu?"})

        for message in math_response["messages"]:
            print(f"Math Message type: {type(message).__name__}")
            print(f"Math Message content: {message.content}")
            if hasattr(message, 'tool_calls') and message.tool_calls:
                print(f"Math Tool calls: {message.tool_calls}")
            if hasattr(message, 'name') and message.name:
                print(f"Math Tool name: {message.name}")
            if hasattr(message, 'tool_call_id') and message.tool_call_id:
                print(f"Math Tool call id: {message.tool_call_id}")
            print("-" * 50)
        print("*" * 50)
        for message in weather_response["messages"]:
            print(f"Weather Message type: {type(message).__name__}")
            print(f"Weather Message content: {message.content}")
            if hasattr(message, 'tool_calls') and message.tool_calls:
                print(f"Weather Tool calls: {message.tool_calls}")
            if hasattr(message, 'name') and message.name:
                print(f"Weather Tool name: {message.name}")
            if hasattr(message, 'tool_call_id') and message.tool_call_id:
                print(f"Weather Tool call id: {message.tool_call_id}")
            print("-" * 50)


if __name__ == "__main__":
    asyncio.run(main())

위 코드에서는 MCP 어댑터의 MultiServerMCPClient 클래스를 사용하여 두 개의 다른 MCP 서버를 전달하고, 이 클래스는 여러 개의 MCP 서버에 연결하고 해당 서버에서 도구를 로드할 수 있도록 허용합니다. 이제 이 클라이언트를 실행하면 다음과 같은 출력을 볼 수 있습니다.

$python3 client_demo_multi_server.py
[04/14/25 10:32:45] INFO     Processing request of type ListToolsRequest                                server.py:534
[04/14/25 10:32:52] INFO     Processing request of type CallToolRequest                                 server.py:534
                    INFO     Processing request of type CallToolRequest                                 server.py:534
Math Message type: HumanMessage
Math Message content: what's (3 + 5) x 12?
--------------------------------------------------
Math Message type: AIMessage
Math Message content:
Math Tool calls: [{'name': 'add', 'args': {'a': 3, 'b': 5}, 'id': 'call_0_e6994441-0520-4840-a711-552f78f82e57', 'type': 'tool_call'}, {'name': 'mul', 'args': {'a': 12, 'b': 8}, 'id': 'call_1_d7e9a0d9-ba99-4f07-b583-6f554ee6fecc', 'type': 'tool_call'}]
--------------------------------------------------
Math Message type: ToolMessage
Math Message content: 8
Math Tool name: add
Math Tool call id: call_0_e6994441-0520-4840-a711-552f78f82e57
--------------------------------------------------
Math Message type: ToolMessage
Math Message content: 96
Math Tool name: mul
Math Tool call id: call_1_d7e9a0d9-ba99-4f07-b583-6f554ee6fecc
--------------------------------------------------
Math Message type: AIMessage
Math Message content: The result of \((3 + 5) \times 12\) is \(96\).
--------------------------------------------------
**************************************************
Weather Message type: HumanMessage
Weather Message content: what is the weather in chengdu?
--------------------------------------------------
Weather Message type: AIMessage
Weather Message content:
Weather Tool calls: [{'name': 'get_weather', 'args': {'location': 'chengdu'}, 'id': 'call_0_dbabcd6c-39a6-4d39-8509-8763e7792f77', 'type': 'tool_call'}]
--------------------------------------------------
Weather Message type: ToolMessage
Weather Message content: It's always sunny in chengdu
Weather Tool name: get_weather
Weather Tool call id: call_0_dbabcd6c-39a6-4d39-8509-8763e7792f77
--------------------------------------------------
Weather Message type: AIMessage
Weather Message content: The weather in Chengdu is

위 출력에서도 볼 수 있듯이, 우리의 에이전트가 두 개의 다른 MCP 서버를 성공적으로 호출하고 올바른 결과를 얻었습니다.

LangGraph API 서버에서 사용

[!TIP] > 이 가이드 를 확인하여 LangGraph API 서버를 시작하세요.

만약 당신이 LangGraph API 서버에서 MCP 도구를 사용하고 싶다면, 다음과 같은 설정을 사용할 수 있습니다.

# 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",
                # math_server.py 의 전체 절대 경로를 확인하세요.
                "args": ["/path/to/math_server.py"],
                "transport": "stdio",
            },
            "weather": {
                # weather_server.py 에서 시작하세요.
                "url": "http://localhost:8000/sse",
                "transport": "sse",
            }
        }
    ) as client:
        agent = create_react_agent(model, client.get_tools())
        yield agent

langgraph.json 에서 make_graph 을 지정하세요.

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

요약

LangChain MCP 어댑터는 MCP 도구를 LangChain 및 LangGraph와 호환되게 해주는 경량 어댑터입니다. 여러 개의 MCP 서버에 연결하고 해당 서버에서 도구를 로드할 수 있도록 허용하며, 이러한 도구를 사용하여 LangGraph 에이전트와 함께 작업할 수 있습니다. 이는 LangChain 및 LangGraph에서 MCP 도구를 사용하는 임계값을 크게 낮추어 더 쉽게 사용할 수 있도록 합니다.

참고 자료

LangChain의 MCP 어댑터

관련 기사

MCP란 무엇인가?

A2A 프로토콜과 MCP 프로토콜: 지능형 에이전트 생태계의 듀얼 엔진

MCP의 새로운 전송 계층 - Streamable HTTP 프로토콜 상세 설명