MCP 官方Tier 1 SDK下载量正逼近每月 5 亿次，downloads a month,而且使用量还在加速攀升：来自 ChatGPT 用户的 MCP 工具调用在2026 年全年增长了 98 倍，仅 8 月就翻了一倍多。

__wf_reserved_inherit

Model Context Protocol（MCP）是将智能体连接到工具的最流行方式。今年 7 月，该协议迎来了自发布以来最大的一次重写。我们改造了 LangChain 中的 MCP 支持，以匹配新规范和其背后日益增长的需求。

有三件事发生了变化：

  • MCP 支持移入主包。它现在位于langchain.mcp，而不再需要单独langchain-mcp-adapters安装。
  • 它构建在FastMCP之上。传输、认证、连接管理和协议协商都由底层的客户端提供，因此旧规范和新规范上的服务器都能正常工作。
  • 现在支持通过中断进行 elicitation 以及客户端缓存。新规范将服务器在调用中途的 elicitation 变成了可重试的一轮，我们将其呈现为 LangGraph 中断。它还让工具列表可缓存，因此工具目录不再需要在每次运行时重新获取。

新的无状态规范

历史上（在旧规范下），每次 MCP 调用都要经过一个围绕会话构建的协议。通过 MCP 调用工具过去意味着先打开一个会话。客户端和服务器握手，服务器返回一个会话 ID，之后每个请求都必须携带它，这就把该客户端固定在了发放该 ID 的那一个服务器实例上。

__wf_reserved_inherit

以任何规模运行远程服务器都意味着粘性路由和共享会话存储。

这一切在新 MCP 规范中都改变了，它启用了无状态核心。MCP 团队将无状态核心描述为开发者呼声最高的功能之一，他们希望服务器有更好的可靠性和可扩展性。在新规范中，没有任何东西需要固定。重新部署不再会杀死活跃会话，因为根本不存在会话。

__wf_reserved_inherit

这开启了两件事，而两者现在都已进入langchain.mcp：

  • 缓存：服务器可以声明其工具列表保持新鲜多长时间，这样客户端就不再每次运行都重新获取它。
  • Elicitation：工具可以暂停下来向调用方询问一些事情，比如确认删除或提供模型遗漏的参数，而无需在等待时保持连接打开。

阅读 MCP 团队的公告以了解更多关于此次修订的信息

一等 MCP 支持

我们将 MCP 支持移入langchain因此它对智能体而言是一等公民。它随以下mcp额外项一起安装：‍

pip install"langchain[mcp]"

从旧包迁移过来，MultiServerMCPClient会合并为单个MCPAdapter类。阅读迁移指南以获取关于如何采用的更详细说明。基本用法如下所示：‍

fromdeepagentsimportcreate_deep_agentfromlangchain.mcpimportMCPAdapterasyncdefmain():asyncwithMCPAdapter("https://example.com/mcp")asadapter:agent = create_deep_agent(model="google_genai:gemini-3.8-flash"，tools=awaitadapter.list_tools())returnawaitagent.ainvoke({"messages": [{"role":"user"，"content":"..."}]})

这些工具是普通的 LangChain 工具，因此它们可以去任何工具能去的地方：create_deep_agent，create_agent，或你自己接线的图。

基于 FastMCP 构建

FastMCP在传输层之上提供了清晰的抽象：连接，认证，缓存，以及协议协商。它的客户端接口可直接供你使用。

MCP 现在有两个截然不同的协议"时代"，这意味着客户端需要能够与两种截然不同的协议进行协商。FastMCP 会按连接执行此操作：它尝试新协议，并对尚未升级的服务器回退到握手。无论哪种方式，你的代码都无需更改。FastMCP 4 中的新特性有详细信息。

用以下方式为每个服务器提供其自己的连接ClientGroup，每个服务器都保留其支持的最佳时代，以及其自己的凭据：‍

fromlangchain.mcpimportMCPAdapterfromdeepagentsimportcreate_deep_agentfromfastmcpimportClientGroupgroup = ClientGroup({# 尚未升级，因此固定握手时代。认证为 OAuth 2.1。"billing": Client("https://billing.internal/mcp"，mode="legacy"，auth="oauth"),# 协商其理解的最新时代，使用 bearer token。"docs": Client("https://docs.internal/mcp"，mode="auto"，auth=docs_token),})asyncwithMCPAdapter(group)asadapter:# billing_search 和 docs_search，因此两者保持区分。tools =awaitadapter.list_tools()agent = create_deep_agent(model="google_genai:gemini-3.8-flash"，tools=tools)

工具名称会以其来源服务器为前缀，因此每个服务器上的一个search工具会分别以billing_search和docs_search的形式到达。如果你的服务器不需要彼此区分，一个普通的配置字典就足够了；连接指南涵盖了何时使用哪一种。

客户端的其余部分可直接使用：

  • 认证：bearer token、完整的 OAuth 2.1 流程、机器对机器凭证、CIMD，或任何httpx2.Auth
  • 传输方式：可流式 HTTP、stdio 和内存内，从目标推断，或为 headers、SSL 以及共享httpx2连接池
  • 缓存：列表结果在服务器的 TTL 允许范围内保持有效
  • 进度与日志：来自长时间运行调用的通知

FastMCP 还让你可以轻松构建和测试你自己的服务器。一个FastMCP实例就是有效的适配器目标，无需子进程、无需套接字，因此智能体可以在进程内针对真实的 MCP 服务器运行。

通过中断实现 Elicitation

Elicitation 是 MCP 的人在回路支持：一个工具在未先向调用方询问某些信息的情况下无法完成。无状态规范将其转变为客户端附带答案重试的普通请求，这让我们可以用你已经在使用的中断原语来支持它。运行暂停，审查智能体工作的任何人给出答案，然后运行恢复：‍

paused =awaitagent.ainvoke({"messages":[ {"role"："user"，"content"："Book a table for 4."}]}, config)question = paused["__interrupt__"][0].value.requests[0]answer = {"action"："accept"，"content": {"date"："2026-09-14"}}result =awaitagent.ainvoke(Command(resume={"responses": {question["key"]: answer}}), config)

‍除了一个 checkpointer 之外无需任何设置，这样暂停的运行就有地方等待。elicitation 文档涵盖了拒绝问题，以及将破坏性工具置于同一审批流程之后。

客户端侧缓存

每次智能体运行都从发现存在哪些工具开始，这意味着在模型看到任何内容之前，需要一次往返请求来发现工具。服务器现在可以说明其工具列表保持新鲜的时间，因此目录可以从缓存中提供。cache=True为你提供一个遵循这些提示的内存缓存：

fromfastmcpimportClientfromlangchain.mcpimportMCPAdapterclient = Client("https://billing.internal/mcp"，cache=True)asyncwithMCPAdapter(client)asadapter:# 一旦配置了缓存，"use" 就是默认值：在服务器的 TTL 有效期内提供缓存目录，# 并存储它实际获取的内容。tools =awaitadapter.list_tools(cache_mode="use")agent = create_deep_agent(model="google_genai:gemini-3.8-flash"，tools=tools)

缓存属于客户端，因此每个调用方一个客户端可以避免目录交叉。参见响应缓存了解 TTL、共享存储以及其他缓存模式。

快速开始

uv pip install"langchain[mcp]"

该命名空间需要langchain[mcp]>=1.4.0且处于 beta 阶段，因此 API 仍可能变化。我们今天发布 Python 支持，TypeScript 支持即将推出。