LangChain+MCP（模型上下文协议）实现案例：用 TaoToken 统一 Key 打通 Agent 工具链

发布时间：2026/9/25 3:20:44

LangChain+MCP（模型上下文协议）实现案例：用 TaoToken 统一 Key 打通 Agent 工具链
1. 从一次本地多工具联调说起LangChain Agent 接 MCP 到底卡在哪如果你正在用 LangChain 搭 Agent又想让它调用本地文件、数据库、内部接口这类外部能力大概率会碰到同一个问题工具怎么接、Key 怎么管、多个工具怎么统一调度。MCP模型上下文协议就是为解决这件事而生的它把「模型能调用什么工具」抽象成一套标准协议LangChain 通过langchain-mcp-adapters就能把 MCP Server 暴露的工具直接变成 Agent 的 tools。但真正动手时链路会变得很碎math_server 用 stdio 传输、weather_server 用 SSE 传输、模型侧还要配 base_url 和 API Key如果每个模型、每个工具都单独配一套凭证本地联调很快就会乱成一锅粥。这篇就聚焦这个场景用 TaoToken 统一 Key 把模型调用这一层收敛掉再给出config.toml与settings.json骨架、Key 的填入位置以及一次 Agent 调用工具的完整验证动作和预期返回让你能照着复现一条可运行的 MCP 接入流程。适合谁看已经会写基础 LangChain Agent、想接 MCP 工具但被配置链路劝退的同学以及本地同时跑多个 MCP Server、想统一管理模型凭证的开发者。下面所有步骤都在本地环境完成不涉及任何网络层特殊配置。2. TaoToken 前置统一 Key 在 MCP 链路里的位置先说清楚 TaoToken 在这条链路里扮演什么角色。MCP 负责「工具侧」的协议标准化TaoToken 负责「模型侧」的凭证统一。你原本可能要在.env里分别写DEEPSEEK_API_KEY、ZHIPUAI_API_KEY、OPENAI_API_KEY每换一个模型就改一次配置用 TaoToken 之后模型调用统一走一个 base_url 和一个 KeyAgent 侧只需要认这一套凭证。具体来说LangChain 里ChatOpenAI兼容 OpenAI 协议所以只要把openai_api_base指向 TaoToken 的 API 地址openai_api_key填 TaoToken 生成的 Key模型名按需切换即可。这样 MCP 工具链不变模型层却可以随时换。你需要先拿到 Key。进入控制台创建 API Key地址是https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_console创建后复制那串sk-开头的 Key后面填进.env或settings.json。API 基础地址统一用https://taotoken.net/api注意这个地址不加任何 UTM 参数直接作为openai_api_base使用。如果你对模型对话能力想先单独验证可以走模型对话入口https://taotoken.net/model-chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_chat长期做编码或 Agent 联调、调用量比较大的可以看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_plan接入文档在https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_docAPI Keys 管理页在https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_keys3. 可复制配置config.toml 与 settings.json 骨架这一节给出两份配置文件骨架。config.toml用来描述 MCP Server 的启动方式settings.json用来放模型凭证和运行参数。两者配合Agent 启动时读配置、连 Server、拿 tools。先看config.toml它把两个 MCP Server 的传输方式和启动命令写清楚# config.toml [llm] provider openai-compatible base_url https://taotoken.net/api model glm-4-flashx api_key_env TAOTOKEN_API_KEY [mcp_servers.math] transport stdio command python args [./math_server.py] [mcp_servers.weather] transport sse url http://localhost:8000/sse [agent] max_iterations 8 verbose true这里api_key_env指向环境变量名而不是把 Key 明文写进 toml避免误提交。模型名glm-4-flashx只是示例你可以按 TaoToken 支持的模型列表替换。再看settings.json它承担运行期参数和 Key 的注入{ llm: { base_url: https://taotoken.net/api, api_key: ${TAOTOKEN_API_KEY}, model: glm-4-flashx, temperature: 0.2 }, mcp: { math: { command: python, args: [./math_server.py], transport: stdio }, weather: { url: http://localhost:8000/sse, transport: sse } }, runtime: { timeout_seconds: 60, retry: 2 } }Key 的填入位置就在settings.json的llm.api_key用${TAOTOKEN_API_KEY}占位实际值放.env# .env TAOTOKEN_API_KEYsk-你的TaoToken密钥这样模型侧只认一个 KeyMCP 侧只认配置文件里的 Server 列表职责清晰。依赖安装pip install langchain-mcp-adapters langgraph langchain-openai python-dotenvPython 版本要求 3.10 及以上。4. 验证请求一次 Agent 调用工具的完整动作与预期返回配置就绪后写两个 MCP Server。math_server.py用 stdio 传输# math_server.py from mcp.server.fastmcp import FastMCP mcp FastMCP(Math) mcp.tool() def add(a: int, b: int) - int: 对两个整数相加 return a b mcp.tool() def multiple(a: int, b: int) - int: 对两个整数相乘 return a * b if __name__ __main__: mcp.run(transportstdio)weather_server.py用 SSE 传输默认监听 8000 端口# weather_server.py from mcp.server.fastmcp import FastMCP mcp FastMCP(Weather) mcp.tool() async def get_weather(location: str) - str: 获取位置的天气。 return f{location}当前天气晴朗温度 25°C if __name__ __main__: mcp.run(transportsse)开两个终端分别启动python math_server.py python weather_server.pystdio 的 Server 启动后没有输出是正常的SSE 的会通过 uvicorn 起一个 HTTP 服务。接着写客户端把模型指向 TaoToken# client.py import asyncio import os from dotenv import load_dotenv from langchain_mcp_adapters.client import MultiServerMCPClient from langgraph.prebuilt import create_react_agent from langchain_openai import ChatOpenAI load_dotenv() model ChatOpenAI( openai_api_basehttps://taotoken.net/api, openai_api_keyos.getenv(TAOTOKEN_API_KEY), model_nameglm-4-flashx, ) async def run_client(): async with MultiServerMCPClient( { math: { command: python, args: [./math_server.py], transport: stdio, }, weather: { url: http://localhost:8000/sse, transport: sse, }, } ) as client: agent create_react_agent(model, client.get_tools()) math_response await agent.ainvoke( {messages: 请问(3 5) x 12多少?} ) print(Math Response:, math_response[messages][-1].content) weather_response await agent.ainvoke( {messages: 请问北京今天天气怎么样?} ) print(Weather Response:, weather_response[messages][-1].content) if __name__ __main__: asyncio.run(run_client())运行python client.py预期返回类似Math Response: (3 5) x 12 96 Weather Response: 北京当前天气晴朗温度 25°C看到这两行说明 Agent 已经通过 MCP 成功调用了两个 Server 的工具模型侧走的是 TaoToken 统一 Key。这一步是整个链路的关键验证点工具被真实触发、参数被正确传递、结果被模型整合成自然语言。5. 本篇常见错排查NotImplementedError 与配置踩坑第一个高频报错是NotImplementedError出现在实例化MultiServerMCPClient的过程中尤其在 Windows Python 3.12 环境下。根因是 asyncio 的 subprocess 在 Windows 默认事件循环下不支持而 stdio 传输依赖子进程。处理方式是在入口处显式设置事件循环策略import asyncio import sys if sys.platform win32: asyncio.set_event_loop_policy(asyncio.WindowsProactorEventLoopPolicy())把这段放在asyncio.run()之前。如果是在 FastAPI 里调用注意 FastAPI 自己管理事件循环需要在应用启动时设置策略而不是在路由函数里临时改。第二个坑是路径问题。args里的./math_server.py是相对当前工作目录的如果你从别的目录启动 client会找不到文件。稳妥做法是用绝对路径import os BASE_DIR os.path.dirname(os.path.abspath(__file__)) args: [os.path.join(BASE_DIR, math_server.py)]第三个坑是 SSE Server 没起来就去连报连接拒绝。确认weather_server.py已经在 8000 端口监听再跑 client。stdio 的 Server 不需要手动确认端口但它的进程必须能被 client 拉起。第四个坑是 Key 没读到。load_dotenv()要在读取os.getenv之前调用且.env文件要在当前工作目录。如果返回 401先检查TAOTOKEN_API_KEY是否为空再确认 base_url 是https://taotoken.net/api而不是别的路径。报错现象可能原因处理方式NotImplementedErrorWindows 事件循环不支持子进程设置 ProactorEventLoopPolicyFileNotFoundErrorServer 路径为相对路径改用绝对路径Connection refusedSSE Server 未启动先启动 weather_server401 UnauthorizedKey 未加载或错误检查 .env 与 base_url6. 把 Key 收敛之后MCP 联调才真正可维护走到这里你应该已经跑通了一条完整的链路两个 MCP Server 分别用 stdio 和 SSE 传输LangChain Agent 通过MultiServerMCPClient拿到 tools模型侧用 TaoToken 统一 Key 调用。整个过程里模型凭证只有一处工具配置只有一份换模型不用动 MCP 配置加工具不用动模型配置。如果你后面要把这套东西接到 FastAPI 里做接口建议把 model、MCPClient、Agent 的创建封装成单例或依赖注入不要在每次请求里重新实例化MultiServerMCPClient否则既慢又容易触发事件循环相关问题。长期做编码和 Agent 联调的话Coding Plan 会比按量调用更省心https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_plan_end需要新建或轮换 Key 时走 API Keys 页https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_keys_end接入细节和参数说明以官方文档为准https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmcp_doc_end先把client.py跑出那两行预期返回再往 FastAPI 封装走顺序别反能省掉大半排障时间。

相关新闻

从Prompt到SKILL.md：构建高可用AI技能包的实战指南

从Prompt到SKILL.md：构建高可用AI技能包的实战指南

这段时间我翻了不少 Skills 项目，说句得罪人的话：社区里八成以上的“Skills”，本质就是一段 Prompt 换个后缀，连及格线都没到。自从 Claude Code、Cursor、Codex 这些工具陆续把 Skills 变成“一等公民”，好像一夜之间…

2026/9/25 3:19:43 阅读更多 →
最新论文搜索与追踪：从检索式到引文网络的完整方法论

最新论文搜索与追踪：从检索式到引文网络的完整方法论

每次组会汇报文献进展，导师问“最近领域内有没有什么值得关注的新工作”，你是不是只能说出几篇组会前临时在群里转发的文章？又或者，你刚把检索式里的关键词调整了一圈，点下搜索，翻了几页全是自己已经看过的…

2026/9/25 3:19:43 阅读更多 →
【无人机动态避障】基于龙格库塔优化算法RUN融合动态窗口法DWA的无人机三维动态避障方法研究MATLAB代码

【无人机动态避障】基于龙格库塔优化算法RUN融合动态窗口法DWA的无人机三维动态避障方法研究MATLAB代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、算法改进、程序设计科研仿真。🍎 往期回顾关注个人主页：完整代码获取 定制创新 论文复现私信🍊个人信条：做科研&#xff0c…

2026/9/25 3:19:43 阅读更多 →

最新新闻

工业AI Agent落地实战：从良率异常分析到智能体架构拆解

工业AI Agent落地实战：从良率异常分析到智能体架构拆解

1. 工厂里的AI Agent到底在干什么1.1 从一条产线异常说起去年冬天，我在一家做精密结构件的工厂里蹲了三天。产线上一台注塑机的良率突然从98.6%掉到94%出头，班组长第一反应是"原料批次有问题"，换了料还是不行；第二反应是…

2026/9/25 4:04:09 阅读更多 →
AI4AI实战：用EvoX和EvoMap自动进化优化Agent系统

AI4AI实战：用EvoX和EvoMap自动进化优化Agent系统

1. 从一条热搜说起：AI4AI 到底在做什么第一次看到 EvoX 和 EvoMap 这两个词出现在热搜榜上的时候，我正蹲在一个 Agent 项目的调试现场，满屏的agent execution terminated due to error刷得人头皮发麻。当时第一反应是：又来了一个新…

2026/9/25 4:04:09 阅读更多 →
Livox ROS2驱动编译部署指南：从零到一避开所有坑

Livox ROS2驱动编译部署指南：从零到一避开所有坑

说出来你可能不信，一个号称“只 clone 就能编译”的激光雷达 ROS2 驱动，让我在编译阶段就折腾了两个晚上。拿到 Mid-360 那天，我原本的计划是半小时跑通：装依赖、克隆仓库、colcon build、启动 RViz 看点云。结果是colcon build那…

2026/9/25 4:04:09 阅读更多 →
STM32+4G模块+MQTT接入阿里云物联网平台完整指南

STM32+4G模块+MQTT接入阿里云物联网平台完整指南

1. 方案选型与整体架构拆解1.1 为什么是STM324G模块MQTT阿里云做物联网设备接入这件事，最常见的需求就是：现场设备采集数据，我要在千里之外的电脑上或者手机App上实时看到这些数据，必要时还能远程下发指令。这个需求落到硬件端&am…

2026/9/25 4:04:09 阅读更多 →
python-for-android 真机单元测试应用（On Device Unit Tests）完全指南：构建、运行与结果验证

python-for-android 真机单元测试应用（On Device Unit Tests）完全指南：构建、运行与结果验证

开发工具构建工具移动开发 【免费下载链接】python-for-android Turn your Python application into an Android APK 项目地址： https://gitcode.com/gh_mirrors/py/python-for-android 点击查看 免费下载 导读 本文围绕 python-for-android 仓库中 testapps/on_d…

2026/9/25 4:04:09 阅读更多 →
Not Shading：调试阶段去修饰化，让底层结构暴露

Not Shading：调试阶段去修饰化，让底层结构暴露

1. 从“Not Shading”这个标题说起：它到底在指什么第一次看到“Not Shading”这个标题，很多人会愣一下。Shading在图形学里是“着色”，在数据分析里是“阴影填充”，在UI设计里是“明暗处理”，在写作里是“轻描淡写”。…

2026/9/25 4:03:08 阅读更多 →

日新闻

AI元人文：从工具使用到思维重构的深度探索

AI元人文：从工具使用到思维重构的深度探索

最近半年我一直在琢磨一件事：AI元人文到底是什么？说白了，就是“用元视角重新审视人与AI的关系”，也在“探索AI如何反向逼着我们发现自己的思考边界”。标题里的“元探索”，在我看就是一层套一层的追问——当你用AI解决…

2026/9/25 0:00:41 阅读更多 →
Python+CNN车牌识别实战：从数据预处理到模型训练与部署

Python+CNN车牌识别实战：从数据预处理到模型训练与部署

简介：基于Python与卷积神经网络的车牌识别项目，面向计算机视觉初学者及智能交通开发者，目标是帮助用户掌握从数据预处理、模型构建到实际部署的完整流程。压缩包共25个文件，包含jpg/png图像样本、py训练脚本、md说明文档、dat数据…

2026/9/25 0:00:41 阅读更多 →
Vim基础操作全攻略：保存退出、模式切换与高频命令实战

Vim基础操作全攻略：保存退出、模式切换与高频命令实战

1. 项目概述1.1 核心需求解析今天聊聊Vim。写这个题目的原因是：几乎每个后端开发者、运维人员、数据工程师某天都会遇到一个场景——深夜加班，服务器登录界面只有黑底白字，编辑器只有vi/vim，你必须在五分钟内完成一次配置修改并保…

2026/9/25 0:00:41 阅读更多 →

周新闻

Flutter for OpenHarmony游戏卡片渐变背景实战：从原理到性能优化

Flutter for OpenHarmony游戏卡片渐变背景实战：从原理到性能优化

直接铺开项目本身吧。这几个月我一直在折腾一件事：用Flutter给OpenHarmony做一款游戏集合类的App，说白了就是把若干小游戏塞进一个壳里，用统一入口分发。这个方向本身不算新鲜，真正让我花了不少心思的，是首页那堆游戏卡…

2026/9/24 14:34:13 阅读更多 →
Word表格编号全攻略：从列表编号到题注交叉引用

Word表格编号全攻略：从列表编号到题注交叉引用

写Word文档，最让人头疼的往往是那些“看起来不起眼”的小问题。比如表格编号这事：今天在表后面多加了两个空白行，明天给客户交稿前发现整个章节的编号全部错位，光是挨个改序号就能耗掉大半个下午。我前阵子帮人整理一份上百页的技…

2026/9/24 9:10:42 阅读更多 →
从第一个站到第二个站：独立开发者的静态网站选型与落地实践

从第一个站到第二个站：独立开发者的静态网站选型与落地实践

1. 项目概述1.1 核心需求解析做独立开发者这几年，说实话，第一个网站上线的那天晚上我兴奋得没睡着。但等它跑了半年，流量惨淡、功能臃肿、代码自己都懒得看第二遍之后，我才慢慢琢磨明白一个道理：第一个网站是练手&…

2026/9/24 14:33:56 阅读更多 →

月新闻

持续集成 流水线自动化与 声明式交付 实践：原型怎样变成可用功能

持续集成 流水线自动化与 声明式交付 实践：原型怎样变成可用功能

持续集成 流水线自动化与 声明式交付 实践：原型怎样变成可用功能分类：[AI/大模型]细分主题：AI 增强型 CI/CD 流水线自动化与 GitOps 实践：Agent 工作流、工具调用与任务拆解：从原型到生产的验收清单很多团队在尝试用大…

2026/9/24 12:50:34 阅读更多 →
容器编排 生产环境运维与排障实战：复盘记录怎样真正派上用场

容器编排 生产环境运维与排障实战：复盘记录怎样真正派上用场

容器编排 生产环境运维与排障实战：复盘记录怎样真正派上用场分类：[工程技术]细分主题：Kubernetes 生产环境运维与排障实战：可复制的项目复盘模板与决策记录大部分团队的事故复盘报告，最后都变成了躺在 Confluence 或钉…

2026/9/24 14:33:48 阅读更多 →
容器 容器化技术与镜像安全管理：核心链路应该先拆哪一步

容器 容器化技术与镜像安全管理：核心链路应该先拆哪一步

容器 容器化技术与镜像安全管理：核心链路应该先拆哪一步分类：[工程技术]细分主题：Docker 容器化技术与镜像安全管理：核心链路的逐步实现与关键代码取舍面对一个积累了五六年历史包袱的单体架构应用（包含 Web 接口、后台…

2026/9/24 12:49:17 阅读更多 →