3 сентября 2026 года LangChain представил фундаментальное обновление работы с инструментами. Поддержка MCP переехала в пакет langchain[mcp], а новая stateless-спецификация протокола позволила забыть о липких сессиях и сложном масштабировании серверов.
Что изменилось в langchain.mcp
- Нативная поддержка: Больше не нужен отдельный пакет адаптеров, всё доступно через
pip install "langchain[mcp]". - Stateless-режим: Новая версия протокола не хранит состояние сессии на сервере. Это позволяет перезагружать сервер или масштабировать его горизонтально без разрыва текущих задач агента.
- Elicitation (Уточнение): Если инструменту не хватает данных (например,
read_urlтребует подтверждения для большой страницы), агент может приостановить выполнение через прерывание (interrupt) и запросить ввод у пользователя. - Кэширование: Список инструментов теперь кэшируется на стороне клиента, что экономит время на старте каждого запуска агента.
Быстрый старт: подключаем срезAI
Сервер срезAI поддерживает транспорт Streamable HTTP. Это значит, что нам не нужно запускать локальный процесс — достаточно указать URL эндпоинта и API-ключ.
from deepagents import create_deep_agent
from langchain.mcp import MCPAdapter
import asyncio async def run_agent(): # Подключаемся к stateless MCP-серверу срезAI async with MCPAdapter("https://srezai.ru/api/mcp", headers={"Authorization": "Bearer srz_live_ВАШ_КЛЮЧ"}) as adapter: # Получаем список инструментов: web_search, read_url, verify_claim и др. tools = await adapter.list_tools() # Создаем агента с доступом к инструментам agent = create_deep_agent(model="google_genai:gemini-3.8-flash", tools=tools) # Запускаем поиск и верификацию result = await agent.ainvoke( {"messages": [{"role": "user", "content": "Найди свежие новости о LangChain за сегодня и проверь факт релиза MCP."}]} ) print(result["messages"][-1].content) asyncio.run(run_agent())
Преимущества для Рунета
Использование срезAI как MCP-сервера в связке с LangChain решает главную проблему западных поисковых API — низкое качество данных по российскому сегменту интернета. Пока web_search находит актуальные ссылки, read_url открывает страницы полноценным браузером, выполняя JavaScript на нашей стороне. Это гарантирует, что агент получит чистый текст даже с тяжелых SPA-сайтов.
Проверено
Масштабирование и кэширование
Для высоконагруженных систем используйте ClientGroup. Это позволит объединить несколько серверов (например, срезAI для поиска и внутренний сервер документов) в один набор инструментов для агента.
from fastmcp import ClientGroup, Client
from langchain.mcp import MCPAdapter group = ClientGroup( clients={ "search": Client("https://srezai.ru/api/mcp", auth=bearer_token, cache=True), "internal": Client("https://docs.local/mcp", mode="legacy") }
) # Инструменты будут автоматически префиксированы: search_web_search, internal_read_docsНужно ли обновлять сервер при выходе новых инструментов срезAI?
Нет. Благодаря MCP-протоколу список инструментов запрашивается динамически. Как только мы добавим новый метод (например, глубокое исследование), он появится у вашего агента автоматически.
Как работает авторизация в MCP?
Мы используем стандартный Bearer-токен. В LangChain он передается через словарь headers в MCPAdapter.
Можно ли использовать срезAI в Claude Desktop?
Да, для этого достаточно добавить настройки в mcp_config.json, используя наш мост npx -y srezai-mcp.
Какая задержка (latency) при работе через MCP?
Задержка самого протокола минимальна (<10ms). Основное время уходит на выполнение поиска, которое в среднем составляет 976ms (p50).
Поддерживает ли адаптер работу с LangGraph?
Да, MCP-инструменты являются стандартными LangChain Tool и полностью совместимы с графами и прерываниями (interrupts).
Попробуйте бесплатно
Получить 1000 кредитовСвой веб-доступ для агента: поиск, чтение страниц и извлечение данных по одному ключу.
