En este post, mostraremos cómo orquestar servidores de Protocolo de Contexto Modelo (MCP) utilizando en una aplicación TypeScript del mundo real. Utilizaremos el El proyecto como nuestra base, centrándose en las mejores prácticas para una orquestación segura, escalable y sostenible. Llamazares.es Agentes de viajes de Azure Si está interesado en obtener una visión general del proyecto Azure AI Travel Agents, lea nuestro blog de anuncio! Anuncio Blog ¿Por qué llamaindex.TS y MCP? llamaindex.TS proporciona un marco modular, compostable para la construcción de aplicaciones alimentadas por LLM en TypeScript. MCP permite la interoperabilidad de herramientas y la transmisión, lo que lo convierte en ideal para la orquestación de múltiples servicios de IA. Estructura del proyecto La orquesta Llamaindex.TS vive en , con módulos de proveedores para diferentes backends LLM y clientes MCP. Actualmente apoyamos: src/api/src/orchestrator/llamaindex Acerca de Azure Modelos de Docker Más información sobre Azure AI Foundry Local El modelo GitHub Ollón Se siente libre para explorar la base de código y . Ofrecer más proveedores Configurar el cliente MCP con HTTP Streamable Para interactuar con los servidores MCP, sin utilizar Llamaindex.TS, podemos escribir una implementación personalizada utilizando el para una comunicación eficiente, autenticada y streaming. StreamableHTTPClientTransport // filepath: src/api/src/mcp/mcp-http-client.ts import EventEmitter from 'node:events'; import { Client } from '@modelcontextprotocol/sdk/client/index.js'; import { StreamableHTTPClientTransport } from '@modelcontextprotocol/sdk/client/streamableHttp.js'; export class MCPClient extends EventEmitter { private client: Client; private transport: StreamableHTTPClientTransport; constructor(serverName: string, serverUrl: string, accessToken?: string) { this.transport = new StreamableHTTPClientTransport({ url: serverUrl, headers: accessToken ? { Authorization: `Bearer ${accessToken}` } : {}, }); this.client = new Client(serverName, this.transport); } async connect() { await this.client.initialize(); } async listTools() { return this.client.listTools(); } async callTool(name: string, toolArgs: any) { return this.client.callTool(name, toolArgs); } async close() { await this.client.closeGracefully(); } } Siempre pasa el Header para acceso seguro, como se muestra anteriormente. Best Practice: Authorization Llamar una herramienta MCP manualmente Supongamos que desea obtener recomendaciones de destino del servidor MCP: import { MCPClient } from '../../mcp/mcp-http-client'; const DESTINATION_SERVER_URL = process.env.MCP_DESTINATION_RECOMMENDATION_URL!; const ACCESS_TOKEN = process.env.MCP_DESTINATION_RECOMMENDATION_ACCESS_TOKEN; const mcpClient = new MCPClient('destination-recommendation', DESTINATION_SERVER_URL, ACCESS_TOKEN); await mcpClient.connect(); const tools = await mcpClient.listTools(); console.log('Available tools:', tools); const result = await mcpClient.callTool('getDestinationsByPreferences', { activity: 'CULTURAL', budget: 'MODERATE', season: 'SUMMER', familyFriendly: true, }); console.log('Recommended destinations:', result); await mcpClient.close(); Siempre cierre el cliente MCP graciosamente para liberar recursos. Tip: Orchestrating LLMs y herramientas de MCP con Llamaindex.TS El Cliente de facilita la conexión a los servidores MCP y la recuperación dinámica de las definiciones de herramientas. A continuación se muestra una muestra de la configuración del orquestrador del proyecto, mostrando cómo usar para recoger herramientas y crear agentes para cada servidor MCP. mcp @llamaindex/tools mcp He aquí un ejemplo de lo que El objeto puede parecer: mcpServerConfig const mcpServerConfig = { url: "http://localhost:5007", // MCP server endpoint accessToken: process.env.MCP_ECHO_PING_ACCESS_TOKEN, // Secure token from env name: "echo-ping", // Logical name for the server }; Puede utilizar esta configuración con el El cliente: mcp import { mcp } from "@llamaindex/tools"; import { agent, multiAgent, ToolCallLLM } from "llamaindex"; // ...existing code... const mcpServerConfig = mcpToolsConfig["echo-ping"].config; const tools = await mcp(mcpServerConfig).tools(); const echoAgent = agent({ name: "EchoAgent", systemPrompt: "Echo back the received input. Do not respond with anything else. Always call the tools.", tools, llm, verbose, }); agentsList.push(echoAgent); handoffTargets.push(echoAgent); toolsList.push(...tools); // ...other code... const travelAgent = agent({ name: "TravelAgent", systemPrompt: "Acts as a triage agent to determine the best course of action for the user's query. If you cannot handle the query, please pass it to the next agent. If you can handle the query, please do so.", tools: [...toolsList], canHandoffTo: handoffTargets .map((target) => target.getAgents().map((agent) => agent.name)) .flat(), llm, verbose, }); agentsList.push(travelAgent); // Create the multi-agent workflow return multiAgent({ agents: agentsList, rootAgent: travelAgent, verbose, }); Puede repetir este patrón para componer un flujo de trabajo multiagente en el que cada agente es alimentado por herramientas descubiertas en el tiempo de ejecución del servidor MCP. . Un ejemplo completo Luego puede usar esta instancia LLM para orquestar llamadas a herramientas de MCP, como la planificación de itinerarios o la recomendación de destinos. Consideraciones de seguridad Siempre use tokens de acceso y encabezados seguros. Nunca secretes de código duro; use variables ambientales y gestores secretos. Únete a la comunidad: Le animamos a unirse a nuestra comunidad de desarrolladores de Azure AI Foundry para compartir sus experiencias, hacer preguntas y obtener soporte: aka.ms/foundry/discord Únete a nuestra comunidad de Discord para debates y soporte en tiempo real. aka.ms/foundry/forum - Visite nuestro Foro de desarrolladores de Azure AI Foundry para hacer preguntas y compartir sus conocimientos. Conclusión Al combinar llamaindex.TS con el transporte HTTP Streamable de MCP, puede orquestar flujos de trabajo de IA poderosos, seguros y escalables en TypeScript. References: Documentación llamaindex.TS MCP Streamable HTTP Spec Ejemplo de agentes de viajes de Azure
