Day 16 - adk-mcp 呼叫公開的 MCP 伺服器 - iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

2025 iThome 鐵人賽

DAY 16

生成式 AI

三十天解鎖上下文超能力：MCP 實戰系列第 16 篇

Day 16 - adk-mcp 呼叫公開的 MCP 伺服器

17th鐵人賽 adk mcp

yulin494

團隊nutc imac

2025-09-30 00:45:04

73 瀏覽

分享至

大家好，鐵人賽第十六天，今天我們來玩點不一樣的！

在前兩天，我們的角色是「工具的創造者」，我們親手編寫了天氣查詢和計算機的邏輯。但 MCP 生態系的真正魅力在於互操作性 (interoperability) —— 我們不僅要會創造工具，更要懂得如何使用別人已經創造好的工具。

今天，我們將進行一次華麗的角色轉換，從 MCP Server (服務提供者) 轉變為 MCP Host (服務消費者)。我們將學習如何讓我們的 Python Agent 連接上公開的、由第三方開發的 MCP 伺服器，並將它們的能力化為己用。

一、認識我們的新工具來源

我們將整合兩個由 MCP 官方社群提供的、非常實用的 MCP 伺服器：

Filesystem Server: 一個可以操作本地檔案系統的伺服器，能執行 list_directory (列出目錄), read_file (讀取檔案) 等操作。
- GitHub 來源
Fetch Server: 一個封裝在 Docker 容器裡的網頁抓取工具，能獲取指定 URL 的網頁內容。
- GitHub 來源

二、前置準備：工欲善其事，必先利其器

在開始寫程式碼之前，請確保您的環境已準備就緒：

檢查指令： 打開終端機，確認 which npx (Node.js 的一部分) 和 which adk 指令都可正常使用。
啟動 Docker： 確保您的 Docker Desktop 已經在背景運行。
下載 Fetch Server 映像檔： 我們需要先把 fetch 工具的 Docker 映像檔拉到本地。
```
docker pull mcp/fetch
```

建立工作目錄： 建立一個讓 Filesystem Server 使用的資料夾，並放入幾個測試檔案。

# 例如在桌面建立一個資料夾
mkdir ~/Desktop/MyAgentWorkFolder
cd ~/Desktop/MyAgentWorkFolder
touch test1.txt test2.md

三、編寫整合版 `agent.py`

現在，讓我們用全新的程式碼來覆蓋 agent.py。這段程式碼的核心是使用 MCPToolset 來定義並連接到外部的 MCP 伺服器。

import os
from google.adk.agents import LlmAgent
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from mcp import StdioServerParameters

# --- 1. 定義檔案系統工具的工作目錄 ---
# 請務必將此路徑修改為您自己電腦上的實際路徑
TARGET_FOLDER_PATH = "/Users/imac/Desktop/MyAgentWorkFolder" 

# --- 2. 定義檔案系統工具集 ---
filesystem_toolset = MCPToolset(
    connection_params=StdioConnectionParams(
        server_params=StdioServerParameters(
            # ADK 會在背景幫我們執行這個 npx 指令來啟動伺服器
            command='npx',
            args=[
                "-y",
                "@modelcontextprotocol/server-filesystem",
                TARGET_FOLDER_PATH, # 將工作目錄作為參數傳入
            ],
        ),
    ),
    # tool_filter=['list_directory'] # 可選：若只希望 Agent 使用部分工具，可取消此行註解
)

# --- 3. 定義 Docker Fetch 工具集 ---
fetch_toolset = MCPToolset(
    connection_params=StdioConnectionParams(
        server_params=StdioServerParameters(
            # ADK 會在背景幫我們執行 docker run 指令來啟動伺服器
            command='docker',
            args=['run', '-i', '--rm', 'mcp/fetch']
        )
    )
)

# --- 4. 建立整合了兩種外部工具集的 Agent ---
root_agent = LlmAgent(
    model='gemini-1.5-flash', 
    name='file_and_web_assistant_agent', 
    instruction=(
        "你是一位強大的助理，不僅可以幫使用者管理本地檔案（例如列出目錄、讀取檔案），"
        "還可以使用 Docker 容器裡的工具來擷取網路資料。"
        "請根據使用者的問題，判斷應該使用檔案工具還是網路擷取工具。"
    ),
    tools=[
        filesystem_toolset, # 註冊第一個工具集
        fetch_toolset       # 註冊第二個工具集
    ],
)

程式碼解析

MCPToolset: 這是 ADK 中的關鍵類別。它代表的不是單一工具，而是一整套由外部 MCP 伺服器提供的工具。
StdioConnectionParams: 我們告訴 ADK，要透過標準輸入/輸出 (Stdio) 的方式與這些外部伺服器溝通。
StdioServerParameters: 我們在這裡定義了如何啟動這些外部伺服器。ADK 會在幕後為我們管理這些子進程 (sub-processes)。
tools=[filesystem_toolset, fetch_toolset]: 這是最神奇的地方！我們不再傳入 Python 函式，而是傳入 MCPToolset 的實例。我們的 Agent 現在的能力，是由這兩個外部伺服器動態決定的！