一句话看懂：一篇发布于掘金的技术分享，完整演示了 Model Context Protocol（MCP）从 Server 与 Client 协议握手，到接入 LangChain、LangGraph 并聚合多个 MCP Server 的落地路径，配套代码基于 MCP 2.2.0、Python 3.11 至 3.13。
事件核心：发生了什么
这篇由“码农悟道”在 2026 年 10 月 2 日发布的技术文章，没有停留在 MCP 的概念科普，而是用一套可运行的 Python 示例跑通了工具调用的完整链路：初始化握手、能力协商、定义与调用 Tools、结构化输出、暴露 Resources 与 Prompts、管理 Server 生命周期，以及接入 LangChain 1.x、LangGraph 1.x，最后聚合多个 MCP Server。
文中一个可核查的变化是：MCP Python SDK 2.x 已将旧版 FastMCP 更名为 MCPServer，导入路径从 mcp.server.fastmcp 变为 mcp.server.mcpserver，两者不能混用。同时 SDK 2.2.0 会把协议原生的 structuredContent 自动适配为蛇形命名的 structured_content。文章还区分了预期业务错误（用 ToolError 抛出，客户端收到 is_error=True）与非预期异常，并提醒 stdio 传输下 stdout 是 JSON-RPC 数据通道，调试日志必须写 stderr。
为什么重要
AI Agent 落地时最常见的痛点不是换模型，而是让模型安全稳定地访问数据库、文件、业务 API 和知识库。缺少统一约定，每个框架、每个业务系统都各写一套适配代码，迁移平台就要重写集成层。MCP 把能力提供方抽象为 Server、使用方抽象为 Client，用 JSON-RPC 和明确的初始化流程统一工具、资源、提示词与传输，价值在于让工具调用从私有约定变成可发现、可复用、可测试的协议能力。目前公开信息显示，这类标准化正在成为 Agent 工具层的事实接口，而非又一个模型能力比拼。
对用户/开发者/创作者的影响
对开发者最直接的影响是迁移成本下降：工具函数靠装饰器注册，函数名、类型标注和 docstring 会被 SDK 转成工具名、输入 Schema 和描述，Pydantic 模型可直接作为结构化返回值并自动校验。接入 LangGraph 后可以同时编排多个 MCP Server，在 stdio、SSE 和 Streamable HTTP 之间按部署场景选择。对企业和创作者而言，这意味着同一套工具能力更容易在不同 Agent 平台间复用，工具参数、错误、日志和权限的管理方式趋于一致，测试和上线流程也更可控。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 MCP 2.x 的 MCPServer 更名是否会带来生态适配断层，仍在 SDK 1.x 的项目需要评估升级窗口；二是多 Server 聚合在 LangGraph 中的实际编排效果，包括进度回调、异常隔离和权限边界是否经得起生产流量；三是 stdio、SSE、Streamable HTTP 三种传输在生产环境的选型共识会不会进一步收敛。
来源：juejin
