MCP-Use, 내 LLM 프로젝트와 MCP를 연동하는 간단한 방법

import asyncio
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from mcp_use import MCPAgent, MCPClient

load_dotenv()  # .env 파일에서 API 키 로드
client = MCPClient.from_dict({"mcpServers": {"playwright": {"command": "npx", "args": ["@playwright/mcp@latest"]}}})
llm = ChatOpenAI(model="gpt-4o")  # OpenAI의 GPT-4o 모델 사용
agent = MCPAgent(llm=llm, client=client, max_steps=30)  # 에이전트 생성
result = asyncio.run(agent.run("Find me the top 3 pizza restaurants in Chicago"))  # 에이전트 실행
print(f"Result: {result}")  # 결과 출력

import asyncio
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from mcp_use import MCPAgent, MCPClient

async def web_search_agent():
    load_dotenv()
    
    # Playwright MCP 서버 구성
    config = {
        "mcpServers": {
            "playwright": {
                "command": "npx",
                "args": ["@playwright/mcp@latest"],
                "env": {"DISPLAY": ":1"}
            }
        }
    }
    
    client = MCPClient.from_dict(config)
    llm = ChatOpenAI(model="gpt-4o")
    agent = MCPAgent(llm=llm, client=client, max_steps=30)
    
    query = "현재 비트코인 가격과 지난 24시간 변동률을 찾아서 요약해줘"
    result = await agent.run(query)
    
    print(f"결과: {result}")
    await client.close_all_sessions()

if __name__ == "__main__":
    asyncio.run(web_search_agent())

async def travel_planning_agent():
    load_dotenv()
    
    # Airbnb 및 Playwright MCP 서버 구성
    config = {
        "mcpServers": {
            "airbnb": {
                "command": "npx",
                "args": ["-y", "@openbnb/mcp-server-airbnb"]
            },
            "playwright": {
                "command": "npx",
                "args": ["@playwright/mcp@latest"]
            }
        }
    }
    
    client = MCPClient.from_dict(config)
    llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")
    
    # 서버 관리자 활성화
    agent = MCPAgent(
        llm=llm, 
        client=client, 
        max_steps=40,
        use_server_manager=True
    )
    
    query = """
    다음 달 7월 5일부터 7월 12일까지 발리에서 숙박할 곳을 찾아줘. 
    2명이 머물 예정이고 수영장이 있는 곳이 좋아. 
    예산은 하루 200달러 이하이고, 평점이 4.5 이상인 곳을 찾아줘.
    숙소 찾은 후에는 주변 관광지와 맛집도 3곳씩 추천해줘.
    """
    
    result = await agent.run(query)
    print(f"결과: {result}")

async def blender_automation_agent():
    # Blender MCP 서버 구성
    config = {
        "mcpServers": {
            "blender": {
                "command": "uvx", 
                "args": ["blender-mcp"]
            }
        }
    }
    
    client = MCPClient.from_dict(config)
    llm = ChatAnthropic(model="claude-3-5-sonnet-20240620")
    agent = MCPAgent(llm=llm, client=client, max_steps=30)
    
    query = """
    Blender에서 떠다니는 섬 위에 작은 오두막이 있는 장면을 만들어줘.
    섬 주변에는 폭포가 있고, 하늘에는 두 개의 달이 떠 있는 밤 장면으로 만들어줘.
    """
    
    result = await agent.run(query)
    print(f"결과: {result}")

from langchain.memory import ConversationBufferWindowMemory

# 창 크기가 5인 메모리 생성 (최근 5개 교환만 유지)
memory = ConversationBufferWindowMemory(k=5)

agent = MCPAgent(
    llm=ChatOpenAI(model="gpt-4o"),
    client=client,
    memory=memory,
    memory_enabled=True
)

# 다중 서버 구성 예시
config = {
    "mcpServers": {
        "search": {
            "command": "npx",
            "args": ["@playwright/mcp@latest"],
        },
        "database": {
            "command": "npx",
            "args": ["-y", "@some-author/mcp-database"],
        }
    }
}

# 서버 관리자를 활성화한 효율적인 에이전트
client = MCPClient.from_dict(config)
agent = MCPAgent(
    llm=llm,
    client=client,
    use_server_manager=True,
    system_prompt="도구를 사용할 때 작업에 가장 적합한 도구를 선택하세요."
)

async def resilient_agent_execution(query, max_retries=3):
    client = None
    try:
        client = MCPClient.from_config_file("production_config.json")
        agent = MCPAgent(llm=llm, client=client, max_steps=30)
        
        # 지정된 재시도 횟수만큼 시도
        for attempt in range(max_retries):
            try:
                return await agent.run(query)
            except Exception as e:
                logging.warning(f"Attempt {attempt+1} failed: {str(e)}")
                if attempt == max_retries - 1:
                    raise
                await asyncio.sleep(2 ** attempt)  # 지수 백오프
    finally:
        # 리소스 정리 보장
        if client and client.sessions:
            await client.close_all_sessions()

# 제한된 도구로 에이전트 생성
agent = MCPAgent(
    llm=ChatOpenAI(model="gpt-4"),
    client=client,
    disallowed_tools=["file_system", "network"]  # 파일 시스템 및 네트워크 접근 제한
)

# MCP 도구를 LangChain 도구로 로드
tools = await load_mcp_tools(session)

# LangGraph와 함께 사용
agent = create_react_agent(model, tools)
response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})

# 에이전트 중심 설계
client = MCPClient.from_dict(config)
agent = MCPAgent(llm=llm, client=client, max_steps=30)
result = await agent.run("Find me the top 3 pizza restaurants in Chicago")