Intro
本文章主要介绍如何用golang的eino框架，加上mcp，实现一个绘制思维导图的小工具，项目目前已经开源在：https://github.com/dingdinglz/mind-maker ，实现的效果可以进入仓库查看readme， 本文主要聊聊设计思路，什么是mcp，如何调用mcp
mcp
什么是mcp
MCP 是一个开放协议，它标准化了应用程序如何向大型语言模型（LLMs）提供上下文。可以将MCP想象成AI应用的USB-C端口。正如USB-C提供了一种标准化的方式来连接你的设备到各种外围设备和配件，MCP提供了一种标准化的方式来连接AI模型到不同的数据源和工具。
其实也就是为llm提供三方工具，让llm获得更多的能力，但这似乎听起来很像tool call，mcp与tool call相比，在于将工具整合起来，并且提供了标准的协议进行通信。在调用的底层，其实也就是将mcp的每个函数加载成tool的形式提供给llm。
但是，mcp可以由提供服务的厂家开发，而并非使用llm的人自己，方便了快速集成工具。
为什么mcp
MCP 帮助你在大型语言模型（LLM）之上构建代理和复杂的工作流程。LLM 经常需要与数据和工具集成，MCP 提供：
- 一个不断增长的工具集成列表，你的 LLM 可以直接接入
- 在不同的 LLM 提供商和供应商之间可以灵活切换
- 在您的基础设施内保护您的隐私数据
怎么mcp
mcp的调用形式目前分为两种，一种是stdio，一种是sse，前者是通过类似于调用命令行的方法去传递数据和取得结果，后者是利用sse进行通信。
大部分语言目前已经有了三方实现的mcp-client包，因此我们对于实现的技术细节可以不那么关心。
我们在项目中用到的，调用mcp的golang包是mcp-go，它同样可以作为server的开发工具包
eino
https://www.cloudwego.io/zh/docs/eino/
看该blog之前把eino的用法看一遍
什么是eino
Eino 是基于 Golang 的 AI 应用开发框架 ， 类似于python的langchain
eino的优势
- eino集成了相当多的大模型调用协议
- eino提供了一种以图的形式，进行ai调用能力编排的功能
- eino提供了几种ai的封装好的开发模式，例如muli-agent，react
当然，目前eino也支持了集成mcp，因此，我们的代码中要做的更多就是设计方面的考虑，在实现上相对来说较为简单。
项目流程
让我们梳理一下项目流程，首先，拿到知识点，然后给llm，让他帮我们画即可，然后把生成的内容保存。
这非常简单，但我们需要引入下列能力：
- 联网搜索，让llm可以获得到最新的知识点（因此本项目可以对近期的热点事件进行思维导图的绘制），且避免出现幻觉。使用方法，eino提供了搜索的工具，比如google、duckduckgo，我们用他的duckduckgo提供搜索服务。
- 绘制思维导图的能力，我们用到了mindmap-mcp-server
- 我们可以手动保存文件，也可以让ai保存，为了演示mcp的用法，我们用@modelcontextprotocol/server-filesystem来实现llm对文件的操作
Mcp调用部分
首先，我们的配置文件需要自主配置mcp，以支持mcp的拓展，因此我们采用了以下格式:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| {
"mcps": [
{
"command": "uvx",
"env": [],
"args": [
"mindmap-mcp-server",
"--return-type",
"html"
]
},
{
"command": "npx",
"env": [],
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"填上运行项目的地址！！！"
]
}
]
}
|
写在配置文件里，这与市面上大部分三方MCP的设置形式都是相同的，加载mcp的代码如下，其实就是将mcp全部转换成了tool call。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
| package main
import (
"context"
"fmt"
"time"
einomcp "github.com/cloudwego/eino-ext/components/tool/mcp"
"github.com/cloudwego/eino/components/tool"
"github.com/mark3labs/mcp-go/client"
"github.com/mark3labs/mcp-go/mcp"
)
func GenerateTools() []tool.BaseTool {
startTime := time.Now()
ctx := context.Background()
var res []tool.BaseTool
initRequest := mcp.InitializeRequest{}
initRequest.Params.ProtocolVersion = mcp.LATEST_PROTOCOL_VERSION
initRequest.Params.ClientInfo = mcp.Implementation{
Name: "mind-maker-client",
Version: "1.0.0",
}
for _, item := range ActivateConfig.Mcps {
cli, e := client.NewStdioMCPClient(item.Command, item.Env, item.Args...)
if e != nil {
panic(e)
}
_, e = cli.Initialize(ctx, initRequest)
if e != nil {
panic(e)
}
// 将mcp转换为工具
tools, e := einomcp.GetTools(ctx, &einomcp.Config{
Cli: cli,
})
if e != nil {
panic(e)
}
res = append(res, tools...)
}
timeLast := time.Since(startTime)
fmt.Println("生成mcp工具列表用时:", timeLast)
return res
}
|
大模型调用部分
由于eino已经支持了react模式，因此我们直接拿过来用即可，因此要设计的核心点是prompt，目前项目中的prompt如下
1
2
| 下面，你需要对用户给出的知识点进行思维导图的绘制，然后将结果保存在mind.html，要求思维导图结构清晰，逻辑正确，覆盖面广，生成的内容的语言应当使用中文
制作前你需要进行搜索收集相关信息，如果收集到的信息不是中文，请翻译成中文，结果一定要是中文，记住，一定要将结果保存到mind.html，生成的内容的语言应当使用中文
|
主要做的内容其实也就是对语言的限制，以及嘱咐ai记得调用相关能力。
完整调用过程：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
| package main
import (
"bufio"
"context"
"errors"
"fmt"
"io"
"os"
"strings"
"time"
"github.com/cloudwego/eino-ext/components/model/openai"
"github.com/cloudwego/eino-ext/components/tool/duckduckgo"
"github.com/cloudwego/eino/compose"
"github.com/cloudwego/eino/flow/agent"
"github.com/cloudwego/eino/flow/agent/react"
"github.com/cloudwego/eino/schema"
)
func main() {
ctx := context.Background()
fmt.Println("mind-maker by dinglz")
fmt.Println("https://github.com/dingdinglz/mind-maker")
LoadConfig()
if FileExist("mind.html") {
os.Remove("mind.html")
}
fmt.Print("请输入要生成思维导图的知识点:")
reader := bufio.NewReader(os.Stdin)
question, e := reader.ReadString('\n')
if e != nil {
panic(e)
}
question = strings.ReplaceAll(question, " ", "")
question = strings.ReplaceAll(question, "\n", "")
fmt.Println("开始对知识点", question, "绘制思维导图")
chatModel, e := openai.NewChatModel(ctx, &openai.ChatModelConfig{
BaseURL: ActivateConfig.Model.BaseURL,
APIKey: ActivateConfig.Model.ApiKey,
Model: ActivateConfig.Model.Model,
})
if e != nil {
panic(e)
}
tools := GenerateTools()
ducktool, e := duckduckgo.NewTool(ctx, &duckduckgo.Config{})
if e != nil {
panic(e)
}
tools = append(tools, ducktool)
ragent, e := react.NewAgent(ctx, &react.AgentConfig{
Model: chatModel,
ToolsConfig: compose.ToolsNodeConfig{
Tools: tools,
},
})
if e != nil {
panic(e)
}
startTime := time.Now()
sr, e := ragent.Stream(ctx, []*schema.Message{
{
Role: schema.System,
Content: "下面，你需要对用户给出的知识点进行思维导图的绘制，然后将结果保存在mind.html，要求思维导图结构清晰，逻辑正确，覆盖面广，生成的内容的语言应当使用中文\n\n制作前你需要进行搜索收集相关信息，如果收集到的信息不是中文，请翻译成中文，结果一定要是中文，记住，一定要将结果保存到mind.html，生成的内容的语言应当使用中文",
},
{
Role: schema.User,
Content: question,
},
}, agent.WithComposeOptions(compose.WithCallbacks(&LoggerCallback{})))
if e != nil {
panic(e)
}
defer sr.Close()
for {
msg, e := sr.Recv()
if e != nil {
if errors.Is(e, io.EOF) {
break
}
panic(e)
}
fmt.Print(msg.Content)
}
fmt.Println()
fmt.Println("生成思维导图用时：", time.Since(startTime))
if FileExist("mind.html") {
fmt.Println("生成思维导图已保存到：mind.html")
} else {
fmt.Println("生成失败！请重试")
}
}
|
总结
这只是一个相当于一个简单的llm集成mcp的示例 + eino的示例，完整代码请去github查看
结语
近期拿到了一个生成ui原型图的prompt，还挺有意思的，也挺强，基于此开发了个ui原型图生成的网页，有时间就发篇blog唠唠