AgentScope深入分析-LLM&MCP

能力之源：模型、MCP 与工具系统核心解析

请关注公众号【碳硅化合物AI】
摘要

智能体需要与外部世界交互，这离不开模型、工具和 MCP（Model Context Protocol）的支持。AgentScope 通过统一的接口设计，让智能体能够无缝使用不同的模型提供商、执行各种工具函数，以及集成 MCP 服务。本文将深入分析 ChatModelBase 的模型无关设计、Toolkit 的工具管理机制，以及 MCP 协议的集成方式。通过阅读本文，你会理解框架如何实现"一次编程，适配所有模型"，工具如何被注册和执行，以及 MCP 如何扩展智能体的能力边界。

入口类与类关系

模型系统的类层次

AgentScope 通过 ChatModelBase 抽象接口实现了模型无关设计：

工具系统的类层次

工具系统由 Toolkit 统一管理：

关键代码：ChatModelBase 接口

让我们看看模型基类是如何定义的：

1. class ChatModelBase:
2.     """Base class for chat models."""
4.     model_name: str
5.     """The model name"""
7.     stream: bool
8.     """Is the model output streaming or not"""
10.     def __init__(
11.         self,
12.         model_name: str,
13.         stream: bool,
14.     ) -> None:
15.         """Initialize the chat model base class."""
16.         self.model_name = model_name
17.         self.stream = stream
19.     @abstractmethod
20.     async def __call__(
21.         self,
22.         *args: Any,
23.         **kwargs: Any,
24.     ) -> ChatResponse | AsyncGenerator[ChatResponse, None]:
25.         pass
27.     def _validate_tool_choice(
28.         self,
29.         tool_choice: str,
30.         tools: list[dict] | None,
31.     ) -> None:
32.         """Validate tool_choice parameter."""
33.         # 验证工具选择参数的有效性
34.         # ...

复制代码

这个接口非常简洁，只定义了核心方法。所有模型提供商都实现这个接口，这样智能体就可以无缝切换不同的模型。
关键流程分析

模型调用流程

模型调用的流程相对直接，但支持流式和非流式两种模式：

工具执行流程

工具执行是 ReAct 模式中的关键环节：

MCP 工具调用流程

MCP 协议的集成让 AgentScope 可以使用外部服务：

关键技术点

1. 模型无关设计的实现

这是 AgentScope 的一个核心设计理念。通过 ChatModelBase 抽象接口，所有模型提供商都实现相同的接口：

1. @abstractmethod
2. async def __call__(
3.     self,
4.     *args: Any,
5.     **kwargs: Any,
6. ) -> ChatResponse | AsyncGenerator[ChatResponse, None]:
7.     pass

复制代码

这样，当你写代码时：

1. # 可以轻松切换模型
2. model = DashScopeChatModel(...)  # 或 OpenAIChatModel、GeminiChatModel 等
3. agent = ReActAgent(model=model, ...)

复制代码

智能体的其他代码完全不需要改变。这种设计让框架具有极强的灵活性。
2. 异步调用和流式处理

AgentScope 1.0 完全拥抱异步编程。模型调用、工具执行都支持异步和流式：

1. # 流式调用模型
2. async for chunk in model(messages):
3.     # 处理每个 chunk
4.     print(chunk.content)
6. # 流式执行工具
7. async for chunk in toolkit.call_tool_function(tool_call):
8.     # 处理工具执行结果
9.     print(chunk.content)

复制代码

这种设计让框架能够：

• 实时显示生成内容（流式输出）
  
• 高效处理并发请求
  
• 支持长时间运行的工具
  

3. MCP 协议的集成

MCP（Model Context Protocol）是一个标准协议，让智能体能够使用外部服务。AgentScope 通过 MCPClientBase 抽象接口支持 MCP：

1. async def get_callable_function(
2.     self,
3.     func_name: str,
4.     wrap_tool_result: bool = True,
5. ) -> Callable:
6.     """Get a tool function by its name."""
7.     if self._tools is None:
8.         await self.list_tools()
9.    
10.     target_tool = None
11.     for tool in self._tools:
12.         if tool.name == func_name:
13.             target_tool = tool
14.             break
15.    
16.     if target_tool is None:
17.         raise ValueError(f"Tool '{func_name}' not found in the MCP server")
18.    
19.     return MCPToolFunction(
20.         mcp_name=self.name,
21.         tool=target_tool,
22.         wrap_tool_result=wrap_tool_result,
23.         client_gen=self.get_client,
24.     )

复制代码

这个设计非常巧妙：

• 无状态客户端：每次工具调用都创建新的会话，避免状态污染
  
• 统一接口：MCP 工具和普通工具使用相同的接口
  
• 细粒度控制：可以获取单个工具函数，也可以批量注册
  

4. 工具的执行和结果处理

Toolkit 的工具执行机制支持多种场景：

1. async def call_tool_function(
2.     self,
3.     tool_call: ToolUseBlock,
4. ) -> AsyncGenerator[ToolResponse, None]:
5.     """Execute the tool function by the ToolUseBlock."""
6.     # 检查工具是否存在
7.     if tool_call["name"] not in self.tools:
8.         return _object_wrapper(
9.             ToolResponse(content=[TextBlock(...)]),
10.             None,
11.         )
12.    
13.     # 获取工具函数
14.     tool_func = self.tools[tool_call["name"]]
15.    
16.     # 检查工具组是否激活
17.     if (
18.         tool_func.group != "basic"
19.         and not self.groups[tool_func.group].active
20.     ):
21.         return _object_wrapper(
22.             ToolResponse(content=[TextBlock(...)]),
23.             None,
24.         )
25.    
26.     # 准备参数并执行
27.     # ...

复制代码

工具执行支持：

• 同步/异步工具：自动包装同步工具为异步
  
• 流式/非流式返回：统一返回 AsyncGenerator[ToolResponse, None]
  
• 错误处理：自动捕获异常并返回错误信息
  
• 工具分组：支持按组激活/停用工具
  

总结

模型、MCP 和工具系统是 AgentScope 框架中让智能体具备"能力"的三个核心系统：

• 模型系统：通过统一的接口实现模型无关，让智能体可以无缝切换不同的模型提供商
  
• 工具系统：通过 Toolkit 统一管理工具，支持分组、流式执行、错误处理等高级特性
  
• MCP 系统：通过标准协议集成外部服务，扩展智能体的能力边界
  

这三个系统的设计都体现了 AgentScope 的核心理念：模块化、透明、可扩展。在下一篇文章中，我们会分析 Pipeline 和消息系统的实现，这些组件负责多智能体的协调和通信。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！