一、MCP 工具概念
MCP（Model Context Protocol，模型上下文协议）是一种开放协议，允许你从外部服务器向 Deep Agents Code（LangChain 的 AI 代理开发环境）动态加载额外工具。
核心思想：不修改代理代码本身，就能让 AI 获得操作文件系统、调用 API、查询数据库等外部能力。Deep Agents Code 启动时会自动连接配置的 MCP 服务器，发现其提供的工具，并将它们与内置工具合并供代理使用。
二、MCP 的作用
| 作用维度 | 说明 |
|---|---|
| 能力扩展 | 让 AI 代理突破内置工具限制，连接外部系统 |
| 即插即用 | 通过配置文件添加/移除工具，无需改代码 |
| 安全隔离 | 工具在独立进程中运行（stdio 模式），或通过网络连接（HTTP/SSE 模式） |
| 权限管控 | 支持项目级信任机制，防止恶意仓库自动执行危险命令 |
三、有哪些工具
工具取决于你连接的MCP 服务器，文档中提到的典型工具包括：
| 服务器 | 提供的工具示例 | 用途 |
|---|---|---|
docs-langchain | 文档检索工具 | 查询 LangChain 概念指南、教程 |
reference-langchain | API 参考工具 | 查询类、方法、参数定义 |
filesystem | read_file、list_directory | 读写本地文件系统 |
github | 仓库管理、Issue 操作等 | 与 GitHub 交互 |
database | SQL 查询、数据操作 | 连接远程数据库 |
linear、slack、notion | 项目管理、消息发送 | 连接第三方 SaaS 服务（需 OAuth） |
注意：实际可用工具以服务器暴露的为准，可通过
allowedTools和disabledTools进行过滤。
四、能解决什么实际问题
- AI 需要读写本地文件：比如让代理自动读取项目代码、生成报告文件
- AI 需要操作 GitHub：自动创建 PR、评论 Issue、查询仓库状态
- AI 需要查询数据库：让代理直接执行 SQL 获取业务数据进行分析
- AI 需要实时文档支持：连接 LangChain 官方文档 MCP，让代理基于最新文档回答技术问题
- AI 需要集成第三方服务：通过 OAuth 连接 Slack、Notion、Linear 等，实现跨系统自动化
五、运用到哪些项目中
- Deep Agents Code 会话：作为 LangChain 官方推荐的代理开发环境
- 需要文件操作的 AI 项目：代码生成、文档处理、数据分析代理
- DevOps 自动化项目：GitHub 仓库管理、CI/CD 辅助
- 企业知识库项目：连接内部数据库或文档系统
- 多工具协作的复杂代理：需要同时操作文件、API、数据库的综合性 AI 应用
六、命令和配置参数详解
核心命令
| 命令 | 作用 |
|---|---|
dcode | 启动 Deep Agents Code，自动发现并加载 MCP 配置 |
dcode mcp login <server> | 对需要 OAuth 认证的服务器执行登录流程 |
/mcp | 在交互会话中查看各服务器状态、工具列表 |
dcode --mcp-config <path> | 显式指定 MCP 配置文件路径 |
dcode --no-mcp | 完全禁用 MCP 加载 |
dcode --trust-project-mcp | 跳过项目级 MCP 的信任提示（非交互模式常用） |
配置文件（.mcp.json）
配置文件可放在三个位置（优先级由低到高）：
~/.deepagents/.mcp.json— 用户级，所有项目共享<project>/.deepagents/.mcp.json— 项目级，隐藏目录<project>/.mcp.json— 项目级，根目录（与 Claude Code 兼容）
关键配置参数
{"mcpServers":{"server-name":{// 传输类型：stdio（默认）| sse | http"type":"http",// stdio 模式：本地命令"command":"npx","args":["-y","@modelcontextprotocol/server-filesystem","/tmp"],"env":{"KEY":"value"},// 远程模式：SSE/HTTP 服务器地址"url":"https://api.example.com/mcp","headers":{"Authorization":"Bearer ${TOKEN}"},// OAuth 认证（仅远程服务器）"auth":"oauth",// 工具过滤（二选一）"allowedTools":["read_file","list_*"],"disabledTools":["delete_*"]}}}| 参数 | 含义 |
|---|---|
type/transport | 通信方式：stdio（本地子进程）、sse（Server-Sent Events）、http（流式 HTTP） |
command | stdio 模式下要执行的命令（如npx） |
args | 传递给命令的参数数组 |
env | 子进程环境变量，用于安全传递 API Key |
url | 远程 MCP 服务器端点 |
headers | HTTP 请求头，支持${VAR}环境变量插值 |
auth | 设为oauth时启用 OAuth 登录流程（与Authorization头互斥） |
allowedTools | 白名单，仅保留列出的工具（支持fnmatch通配符） |
disabledTools | 黑名单，禁用列出的工具 |
七、实际案例：配置文件系统 + GitHub 工具
假设你需要让 AI 代理能够读取本地项目文件并管理 GitHub 仓库，配置如下：
1. 创建配置文件
在用户目录创建~/.deepagents/.mcp.json：
{"mcpServers":{"filesystem":{"command":"npx","args":["-y","@modelcontextprotocol/server-filesystem","/home/user/projects"],"allowedTools":["read_file","list_directory"]},"github":{"command":"npx","args":["-y","@modelcontextprotocol/server-github"],"env":{"GITHUB_TOKEN":"ghp_xxxxxxxxxxxx"}}}}2. 启动并验证
# 启动 Deep Agents Code，自动加载 MCP 服务器dcode# 你会看到类似输出：# ✓ Loaded 5 MCP tools# 在交互会话中查看状态/mcp3. 实际使用场景
启动后，你的 AI 代理现在可以：
- 读取文件：
请读取 /home/user/projects/myapp/src/main.py 的内容并分析 - 列出目录：
查看 myapp 项目下有哪些配置文件 - GitHub 操作：
帮我查看 langchain-ai/langchain 仓库最近的 5 个 Issue
代理会自动调用对应的 MCP 工具完成这些操作，无需你手动编写任何 API 调用代码。
4. 安全注意事项
filesystem服务器限制了allowedTools，仅允许读取和列出目录，禁止写入/删除- GitHub Token 通过
env传递，不会暴露在命令历史或配置文件的版本控制中 - 如果是项目级配置，首次启动时 Deep Agents Code 会提示你确认信任，防止恶意仓库执行危险命令
学习路径
- 入门：先配置
docs-langchain和reference-langchain，让 AI 能查官方文档 - 进阶：添加
filesystem服务器，让 AI 能操作本地文件 - 实战：根据项目需求接入
github、database或第三方 SaaS 服务 - 安全：理解
allowedTools过滤和项目级信任机制，确保生产环境安全
