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

132 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！