上节我们学了 MCP：自己实现了一个 MCP Server，然后在 Cursor 或者 LangChain 里连上这个 Server，就可以用里面的 tools 了。

它本质上还是 Tool，只不过包了一层进程，可以通过 stdio 和 http 来访问。

有了这一层协议之后，有个巨大的好处：任何人都可以开发基于这个协议的 MCP Server，然后我们可以直接复用！ 比如上节我们写的那个 MCP Server 就可以被别人用。

这节我们用一下别人写好的 MCP Server，感受下 MCP 有多爽！用这三个：

• 高德 MCP：做位置查询、路线规划等
• Chrome DevTools MCP：控制浏览器，打开关闭页面、点击元素、截图等
• FileSystem MCP：读写文件、创建目录等

高德 MCP：先申请 API Key

首先是高德 MCP，我们需要先获取一个 API Key：

• 地址：https://developer.amap.com/
• 创建应用，然后创建一个 API Key，类型选 Web 服务 就行

然后先在 Cursor 里测试下这个 MCP 服务是否可用。配好之后，就可以查到这个 MCP Server 里的一堆 tool 了。

记得我们说过 MCP 有两种接入方式么？这就是 http 的接入方式：

"amap-maps-streamableHTTP": {
  "url": "https://mcp.amap.com/mcp?key=你的 api key"
}

当然，高德也支持 stdio 的本地进程接入方式，这样写：

"amap-maps": {
  "command": "npx",
  "args": [
    "-y",
    "@amap/amap-maps-mcp-server"
  ],
  "env": {
    "AMAP_MAPS_API_KEY": "你的 api key"
  }
}

就是用 npx 跑一个 npm 包，会创建一个支持 stdio 连接的进程，然后连上其中的 MCP Server 就好了。这个 MCP Server 里肯定封装了和高德服务端的通信，本质上是一样的。

顺带说一句：这个技能完全可以写进简历——"我开发了一个 MCP Server 的 npm 包，包含 xxx tool，支持 stdio 访问，可以在 Cursor 或 LangChain 里用 npx 执行来连上这个 MCP Server"。面试官一看就知道，这个人是真懂 MCP 的，而且还有实践经验。

在 LangChain 里用高德 MCP

说回正题，在 tool-test 项目里创建 src/mcp-test.mjs：

import 'dotenv/config';
import { MultiServerMCPClient } from '@langchain/mcp-adapters';
import { ChatOpenAI } from '@langchain/openai';
import chalk from 'chalk';
import { HumanMessage, SystemMessage, ToolMessage } from '@langchain/core/messages';

const model = new ChatOpenAI({
  modelName: "qwen-plus",
  apiKey: process.env.OPENAI_API_KEY,
  configuration: {
    baseURL: process.env.OPENAI_BASE_URL,
  },
});

const mcpClient = new MultiServerMCPClient({
  mcpServers: {
    'my-mcp-server': {
      command: "node",
      args: [
        "/Users/guang/code/tool-test/src/my-mcp-server.mjs"
      ]
    },
    "amap-maps-streamableHTTP": {
      "url": "https://mcp.amap.com/mcp?key=" + process.env.AMAP_MAPS_API_KEY
    },
  }
});

const tools = await mcpClient.getTools();
const modelWithTools = model.bindTools(tools);

async function runAgentWithTools(query, maxIterations = 30) {
  const messages = [
    new HumanMessage(query)
  ];

  for (let i = 0; i < maxIterations; i++) {
    console.log(chalk.bgGreen(`⏳ 正在等待 AI 思考...`));
    const response = await modelWithTools.invoke(messages);
    messages.push(response);

    // 检查是否有工具调用
    if (!response.tool_calls || response.tool_calls.length === 0) {
      console.log(`\n✨ AI 最终回复:\n${response.content}\n`);
      return response.content;
    }

    console.log(chalk.bgBlue(`🔍 检测到 ${response.tool_calls.length} 个工具调用`));
    console.log(chalk.bgBlue(`🔍 工具调用: ${response.tool_calls.map(t => t.name).join(', ')}`));

    // 执行工具调用
    for (const toolCall of response.tool_calls) {
      const foundTool = tools.find(t => t.name === toolCall.name);
      if (foundTool) {
        const toolResult = await foundTool.invoke(toolCall.args);
        messages.push(new ToolMessage({
          content: toolResult,
          tool_call_id: toolCall.id,
        }));
      }
    }
  }

  return messages[messages.length - 1].content;
}

await runAgentWithTools("北京南站附近的酒店，以及去的路线");
await mcpClient.close();

MCP Client 的代码和上节一样，用 @langchain/mcp-adapters：拿到其中的 tools 绑定给 model，然后调用 model，如果有 tool_calls 就调用下，把工具调用结果封装为 ToolMessage 传给大模型继续处理。这里的高德 API Key 同样放到了 .env 里。

先注释掉高德 MCP Server 跑一下：可以看到，大模型没法处理地理位置信息，让你用地图。

启用高德 MCP Server 后再跑：大模型就可以调用高德 MCP 里的 tool，给出酒店位置和路线了！

这就是 MCP 的好处——直接复用别人写好的 Tool。

FileSystem MCP：文件读写也不用自己写了

然后文件读写、创建目录这种，也不用自己写 Tool，可以用现成的 MCP——MCP 官方维护的一个 MCP Server：

"filesystem": {
  "command": "npx",
  "args": [
    "-y",
    "@modelcontextprotocol/server-filesystem",
    ...(process.env.ALLOWED_PATHS.split(',') || '')
  ]
}

后面是可访问的目录，我们配在 .env 里，逗号分隔。

可以先在 Cursor 里配置下这个 MCP 服务，看下有哪些 tool：有文件读写、目录创建、文件移动等 tool。配上这个 MCP，大模型就有文件读写能力了。

不过这里有个坑注意下：一般我们写 Tool 都是直接返回字符串，但是 FileSystem MCP 封装的这些 Tool 返回的是对象，有 text 属性，所以要处理下：

// 确保 content 是字符串类型
let contentStr;
if (typeof toolResult === 'string') {
  contentStr = toolResult;
} else if (toolResult && toolResult.text) {
  // 如果返回对象有 text 字段，优先使用
  contentStr = toolResult.text;
}

messages.push(new ToolMessage({
  content: contentStr,
  tool_call_id: toolCall.id,
}));

改下提示词跑跑试试：

await runAgentWithTools("北京南站附近的 5 个酒店，以及去的路线，路线规划生成文档保存到 /Users/guang/Documents/...");

可以看到，大模型首先调用高德 MCP 拿到了附近的酒店位置，然后规划了路线，最后调用 FileSystem MCP 写入了文件。

直接复用别人的 MCP，完全不用自己写。你自己写的 Tool 想给别人用，也可以封装成 MCP，最好发个 npm 包，这样还可以写到简历上，让面试官用。

Chrome DevTools MCP：浏览器自动化

最后用一下 Chrome DevTools 的 MCP，它可以用来做浏览器自动化，比如打开页面、点击元素、截图等。

在 Cursor 里配置：

"chrome-devtools": {
  "command": "npx",
  "args": [
    "-y",
    "chrome-devtools-mcp@latest"
  ]
}

可以看到很多工具。在 LangChain 里调用下，改下提示词：

await runAgentWithTools("北京南站附近的酒店，最近的 3 个酒店，拿到酒店图片，打开浏览器，展示每个酒店的图片");

运行后可以看到：搜到了北京南站最近的 3 个酒店，并且浏览器打开了酒店图片。

只要配好 MCP，大模型就可以直接调用里面的 tools 了。

常见问题

模型没有调用工具，而是"描述它会做什么"就结束了？ 因为 messages 里只有一条 HumanMessage，没有 SystemMessage 引导模型主动调用工具。有些模型（特别是 qwen 系列）需要明确的系统提示才会主动执行工具调用。加一条 SystemMessage 即可，比如："你是一个智能助手，拥有多种工具能力。当用户提出需求时，你必须直接调用工具来完成任务，而不是描述你会怎么做。"

高德接口报 QPS_HAS_EXCEEDED_THE_LIMIT？ 高德个人版 API 有 QPS 限制（3 次/秒）。可以在系统提示词里设计分批调用规则（每批最多 3 个，等上一批返回后再发起下一批），或者在工具调用时添加延迟。

浏览器无法直接控制？ 把其他浏览器关掉再运行。这与 userDataDir 有关，一个用户目录只能跑一个浏览器实例。

打开浏览器后想让它不自动关闭？ 注释掉 await mcpClient.close()，不关闭 MCP 进程浏览器就不会自动关掉；或者改配置加 --browserUrl 参数指向本地已存在的 Chrome。

去哪找现成的 MCP？ 去专门做相关业务的平台，比如天气预报找"墨迹天气"，股票数据找"同花顺"，一般都会提供官方 MCP Server。

FileSystem MCP 报 Invalid input: expected "object"？ 这是 @langchain/mcp-adapters 加载 MCP 工具时校验 inputSchema.type 必须是字符串 "object"，而 server-filesystem 返回的 schema 里 type 缺失或为数组，两者兼容性问题。等修复，或换其他实现规范的 filesystem MCP 服务。

MCP 太多会不会费 token？ 会，执行时会把所有 MCP 的 tools 都添加到内存中。可以显式指定使用哪个 MCP（在 prompt 里点名），比全量加载更省 token。

Windows 下路径注意：ALLOWED_PATHS 后面用从根目录开始的绝对路径（如 C:\...），给大模型的提示词里也是。

总结

这节我们使用了高德、FileSystem、Chrome DevTools 的 MCP，用它们组合来实现了一些功能。这些 MCP Server 有的是 stdio 本地进程调用，有的是 http 远程进程调用。

MCP 的一大好处就是：别人开发好的，可以直接用。

你全程不需要知道怎么用高德的 API 查询位置、路线，不需要知道怎么用 CDP 协议控制浏览器。你只需要把这些 MCP 给到 AI，让它自己去调用——大模型会自己读取 tool 描述来传入参数调用。

是不是特别爽！