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：

class ChatModelBase:
    """Base class for chat models."""

    model_name: str
    """The model name"""

    stream: bool
    """Is the model output streaming or not"""

    def __init__(
        self,
        model_name: str,
        stream: bool,
    ) -> None:
        """Initialize the chat model base class."""
        self.model_name = model_name
        self.stream = stream

    @abstractmethod
    async def __call__(
        self,
        *args: Any,
        **kwargs: Any,
    ) -> ChatResponse | AsyncGenerator[ChatResponse, None]:
        pass

    def _validate_tool_choice(
        self,
        tool_choice: str,
        tools: list[dict] | None,
    ) -> None:
        """Validate tool_choice parameter."""
        # 验证工具选择参数的有效性
        # ...

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：

@abstractmethod
async def __call__(
    self,
    *args: Any,
    **kwargs: Any,
) -> ChatResponse | AsyncGenerator[ChatResponse, None]:
    pass

这样，当你写代码时：

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

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：

# 流式调用模型
async for chunk in model(messages):
    # 处理每个 chunk
    print(chunk.content)

# 流式执行工具
async for chunk in toolkit.call_tool_function(tool_call):
    # 处理工具执行结果
    print(chunk.content)

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：

async def get_callable_function(
    self,
    func_name: str,
    wrap_tool_result: bool = True,
) -> Callable:
    """Get a tool function by its name."""
    if self._tools is None:
        await self.list_tools()
    
    target_tool = None
    for tool in self._tools:
        if tool.name == func_name:
            target_tool = tool
            break
    
    if target_tool is None:
        raise ValueError(f"Tool '{func_name}' not found in the MCP server")
    
    return MCPToolFunction(
        mcp_name=self.name,
        tool=target_tool,
        wrap_tool_result=wrap_tool_result,
        client_gen=self.get_client,
    )

这个设计非常巧妙：

1. 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
2. 统一接口：MCP 工具和普通工具使用相同的接口
3. 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：

async def call_tool_function(
    self,
    tool_call: ToolUseBlock,
) -> AsyncGenerator[ToolResponse, None]:
    """Execute the tool function by the ToolUseBlock."""
    # 检查工具是否存在
    if tool_call["name"] not in self.tools:
        return _object_wrapper(
            ToolResponse(content=[TextBlock(...)]),
            None,
        )
    
    # 获取工具函数
    tool_func = self.tools[tool_call["name"]]
    
    # 检查工具组是否激活
    if (
        tool_func.group != "basic"
        and not self.groups[tool_func.group].active
    ):
        return _object_wrapper(
            ToolResponse(content=[TextBlock(...)]),
            None,
        )
    
    # 准备参数并执行
    # ...

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：

1. 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
2. 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
3. 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。

---