通过MCP为Claude智能体动态接入外部工具与知识数据

方案简介

这是一个基于 Swarms Agent、Claude 模型和 Model Context Protocol（MCP）的外部工具访问方案。Agent 是 Swarms 中的基础执行单元，能够由大语言模型、工具和记忆共同驱动；启用 MCP 后，Agent 可以通过 MCP 服务地址获得外部工具与数据访问能力。方案适合需要让智能体查询代码仓库、调用远程工具，或把外部知识服务接入推理流程的场景。README 使用 DeepWiki 作为公开 MCP 服务示例，让智能体解释 kyegomez/swarms 仓库的功能。

亮点与能力

• 使用 mcp_url 或 mcp_urls 为 Agent 启用 MCP 能力。
• 可以接入一个或多个 MCP 服务器提供的工具。
• 通过公开 MCP 服务直接访问外部工具和数据。
• 使用 Claude Sonnet 5 作为示例模型执行任务。
• 通过 max_loops=1 控制示例任务只运行一轮。
• 可以让 Agent 使用工具解释指定 GitHub 仓库的功能。

组成与分工

• Swarms：提供 Agent 类和整体多智能体编排框架。
• Agent：承载模型、MCP 地址和任务执行逻辑，是方案的运行主体。
• Claude Sonnet 5：作为 Agent 的大语言模型，在示例中通过 model_name 指定。
• Model Context Protocol：定义 Agent 访问外部工具和数据的接入方式。
• DeepWiki：作为免费的公开 MCP 服务器，为 Agent 提供可直接使用的工具。
• mcp_url：保存 MCP 服务器地址，使 Agent 自动获得对应工具。

前置要求

需要准备 Python 环境、Swarms 包以及可用的模型凭据。README 给出了三种包安装方式；推荐使用 uv，也可以使用 pip 或 Poetry。使用源码时需要先克隆仓库，再安装 requirements.txt。环境变量示例包含 OPENAI_API_KEY、WORKSPACE_DIR、ANTHROPIC_API_KEY 和 GROQ_API_KEY；本方案使用 Claude，因此应准备对应的 Anthropic 凭据。

推荐安装：

$ uv pip install swarms

环境配置：

OPENAI_API_KEY=""
WORKSPACE_DIR="agent_workspace"
ANTHROPIC_API_KEY=""
GROQ_API_KEY=""

实施步骤

1. 安装 Swarms

使用 README 推荐的 uv 安装方式：

$ uv pip install swarms

也可以使用 pip：

$ pip3 install -U swarms

2. 配置环境变量

在运行前准备模型相关的 API Key，并按 README 的变量名配置 ANTHROPIC_API_KEY 等环境项；工作目录可使用 WORKSPACE_DIR 指定。

3. 创建 MCP Agent

从 swarms 导入 Agent，将 model_name 设为 claude-sonnet-5，并把公开 MCP 地址写入 mcp_url。同时设置循环次数、温度、最大 token 数和推理强度。

4. 提交工具任务

调用 agent.run，让 Agent 使用 MCP 工具解释目标仓库。将返回值交给 print，即可看到最终结果。

使用与配置要点

核心配置应保持与 README 示例一致：

from swarms import Agent

agent = Agent(
    agent_name="MCP-Agent",
    model_name="claude-sonnet-5",
    mcp_url="https://mcp.deepwiki.com/mcp",
    max_loops=1,
    temperature=None,
    max_tokens=16_000,
    reasoning_effort=None,
)

print(
    agent.run(
        "Use your tools to explain what the kyegomez/swarms repository does."
    )
)

验证是否跑通的直接方式是执行 agent.run 并打印返回结果。任务文本应明确要求 Agent 使用工具；示例任务要求解释仓库功能，能够验证 MCP 工具已经被纳入 Agent 的执行过程。

注意事项与常见问题

• MCP 工具接入依赖服务器 URL，地址必须指向可访问的 MCP 服务。
• README 明确说明，设置 mcp_url 或 mcp_urls 后无需手动配置工具。
• 示例使用 max_loops=1，适合一次性验证；README 同时说明 max_loops="auto" 可让 Agent 自行判断任务何时完成，适合开放式、多步骤任务。
• 如果任务是延迟或成本敏感的生产流水线，应使用固定的 max_loops 值；如果步骤数量取决于中间结果，则适合自动循环。

优缺点

• ✓ 无需手动配置工具
• ✓ 支持一个或多个MCP服务器

出处

本方案挖掘自开源项目 kyegomez/swarms，方案内容与实施命令均来自其 README 原文。