本篇改用动态 interrupt()：Bing 搜索和 12306 查询直接执行，只有本地邮件工具真正准备写入发件箱时才暂停。用户检查收件人、主题和正文后，可以批准、拒绝或修改参数，再通过 Command(resume=...) 恢复原 T

之前我们把 Bing 和 12306 MCP 接入了智能体,让模型能够根据问题产生 Tool Call，ToolNode 随后执行远程工具。 但“模型认为应该调用”不等于“应用已经授权执行”。当工具会发送消息、修改数据、产生费用，或者访问敏

本文把两个公网 MCP Server 接入同一张 LangGraph： Bing MCP 负责搜索网页和抓取搜索结果。 12306 MCP 负责日期、车站编码、余票、中转和经停站查询。 模型继续使用本地 Qwen3。公网服务负责提供实时

在搭建完整 Workflow 之前，需要先解决一个更基础的问题：模型一次返回多个 Tool Call 时，工具应该怎样执行？ 如果两个工具互不依赖，顺序等待会浪费时间。更合理的方式是同时启动两个异步任务，等待它们全部完成后，再把两个结果作为

本篇继续使用预先定义的图结构，解决一类需要反复改进输出的问题：模型先生成内容，评估器按照明确标准检查；如果没有通过，就把具体反馈交回生成器继续修改。 这种模式叫作 Evaluator-optimizer Workflow，也就是评估器优化器

在系列 10（上）中，我们已经介绍了 Workflow 的 State、Reducer 和 Node：State 保存共享数据，Reducer 决定字段如何合并，Node 负责读取状态并提交局部更新。 本篇继续解决“节点按什么顺序执行”这个

从本文开始进入 LangGraph 系列的 Workflow 阶段。面对执行步骤明确、分支规则固定的业务，通常不需要让大模型决定每一步，而是由程序员把执行路径直接编排成 Workflow。 本篇是系列 10 的上篇，不调用大模型，而是使用普

前面的 MCP Server 都没有设置身份认证。只要能够访问服务地址，客户端就可以列出 Tool 并执行调用。这种方式适合完全受控的本机实验，但不能直接用于多人环境或公网服务。 这一篇先不搭建完整登录系统，而是使用 RSA 密钥、JWT

这一篇不再自己启动 MCP Server，而是连接魔搭社区托管的 12306 MCP，依次完成能力发现、直接调用和 Agent 集成。 魔搭生成的连接配置如下： { "mcpServers": { "1230

上一篇已经使用 FastMCP 实现了一个城市旅行 MCP Server，其中包含 Tool、Resource 和 Prompt，并分别验证了 stdio、Streamable HTTP 和旧 HTTP+SSE。 这一篇不再通过 pytho

这一篇开始编写真实的 Python MCP Server。 示例会同时提供 Tool、Resource 和 Prompt，并分别使用三种方式验证： stdio：客户端启动 Server 子进程。 Streamable HTTP：网络服务的

从本文开始进入 MCP 系列，讨论如何把工具、资源和提示词变成可以被不同语言、进程和 Agent 客户端复用的标准能力。 MCP 解决的是能力标准化和跨应用复用问题。服务端按照统一协议公开工具、资源和提示词，支持 MCP 的客户端就能发现并