MCP 服务器 · Agent-Lab

每个 Agent-Lab 应用都自带一个 Model Context Protocol 服务器，它基于 FastMCP 构建，挂载在 /mcp 路径下（Streamable HTTP，无状态）。MCP 客户端——Claude Desktop、IDE、你自己的智能体——可以发现应用中的智能体、读取对话历史，并直接与智能体对话。服务器及其工具/提示词注册器与智能体使用同一套发现机制：scan_packages 和 agent_lab.agents 入口点组。

服务器暴露的内容

工具	说明
`get_agent_list`	列出正在运行的应用中已注册的智能体
`get_message_list`	读取某个智能体的对话历史
`post_message`	向智能体发送消息——实现智能体之间的通信
`read_prompt_mcp`	读取提示词模板；同时也以 MCP prompt（`prompts/get`）和 resource（`prompt://`）的形式暴露

这一提示词三件套会呈现每种智能体类型的默认系统提示词，并支持通过 agent_type + setting_key 按租户进行覆盖。

使用 MCP Inspector 试用

启动 MCP Inspector 并连接到你的应用（例如 http://localhost:18000/mcp，传输方式：Streamable HTTP）：

npx @modelcontextprotocol/inspector

访问 Web 控制台（使用控制台中打印的代理链接）。

MCP Inspector 演示

连接 Claude Desktop

注意：此处使用 Claude Desktop 仅作演示。本项目与 Anthropic AI 没有任何关联。

安装 mcp-proxy 桥接工具，Claude Desktop 需要借助它访问远程 HTTP 服务器：
```
pip install mcp-proxy
```
打开 Settings → Developer → Edit Config，编辑 claude_desktop_config.json（请根据你的安装情况调整端点；Python 环境中必须包含 mcp-proxy）：

Claude Desktop 设置 1

Claude Desktop 设置 2

Claude Desktop 设置 3

重启 Claude Desktop，再次进入 Settings → Developer——此时应该能看到 Agent-Lab：

Claude Desktop 设置 4

动手试试：让 Claude 列出智能体、获取某个受监督的编码智能体实例的对话历史，或者让它展示该智能体之前生成的代码片段：

Claude Desktop 演示

OpenAI Responses API

Responses API 中托管的 Model Context Protocol（MCP）工具让连接外部服务变得更加容易：只需将模型配置一次，使其指向某个 MCP 服务器——该服务器即充当集中式的工具宿主。（来源：MCP Tool Guide）

演示 OpenAI Responses API 与 Agent-Lab MCP 服务器集成的 notebook 位于 notebooks/11_mcp_client-openai-responses.ipynb。

添加你自己的工具和提示词

所有内容的发现方式都与智能体相同——添加装饰器，并（对于以库方式使用的场景）确保你的包位于 scan_packages 中，或通过 agent_lab.agents 入口点组发布。

工具——一个普通的异步函数；其开头的 container 参数由 DI 容器注入，且对客户端隐藏：

from agent_lab import discoverable_mcp_tool


@discoverable_mcp_tool(
    "my_hello_tool",
    description="Returns a friendly greeting.",
    annotations={"readOnlyHint": True},
)
async def hello_tool(container, name: str) -> str:
    return f"Hello, {name}!"

提示词——通过完整的提示词三件套暴露（工具 / prompts/get / prompt:// resource）：

from agent_lab import discoverable_mcp_prompt


@discoverable_mcp_prompt("my_greeting_prompt")
def greeting_prompt() -> str:
    return "Greet the user warmly and briefly."

进阶用法——通过 @discoverable_mcp_registrar(extra_deps=(...)) 编写完整的 McpRegistrar（或 PromptSetRegistrar）子类，以实现自定义的工具/提示词/资源集合。如需为客户端添加 MCP instructions，可在组装应用时传入片段：

app = create_app(mcp_instructions=["Extra guidance for MCP clients."])

脚手架中附带了一个完整示例（mcp/tools.py、mcp/prompts.py）——参见你的第一个智能体。

认证

启用认证后，MCP 客户端通过由 Keycloak 支撑的 OAuth 代理进行认证：依据 realm 的 JWKS 校验 JWT（openid、profile、email scope），并将 OAuth 客户端信息（加密后）存储在 Redis 中。应用会发布标准的元数据端点（/.well-known/oauth-protected-resource/mcp、/.well-known/oauth-authorization-server/mcp），以便兼容的客户端自行完成配置。