LangChain+MCP从入门到实战：B站教程深度解析

为什么需要LangChain和MCP？

大模型拥有强大的推理能力，能理解你的问题并给出回复。但它的知识止步于训练数据——当你需要它结合公司内部业务数据来对话时，它无能为力。解决办法是给大模型绑定工具，让它不仅能理解问题，还能调用工具获取内部数据，再依靠推理能力整理回答。

问题在于，手写工具调用逻辑会耗费大量精力在底层管理上：怎么调用、怎么管理并发、怎么维护对话历史。B站这门教程指出，LangChain这类框架正是为了解决这一问题——让你站在巨人肩膀上，把精力聚焦于业务本身。

LangChain：构建AI应用的框架

LangChain本质上是一个开发大模型应用的框架。B站UP主在教程中解释道，它提供了更高层的封装，让你不必从零实现底层逻辑。

不仅仅是对话：智能体的价值

智能体（Agent）在LangChain中扮演关键角色。与大模型直接对话不同，智能体能自动管理历史聊天记录；当大模型决定调用工具时，智能体会真正执行调用并返回结果，还能根据返回结果判断是否需要继续调用工具。这种更高层的封装让开发者免于处理繁琐的状态管理和对话管理。

工具调用（Tool Calling / Function Calling）是大模型与外部系统交互的基础机制：开发者以结构化 schema 描述工具的名称、参数与用途，模型在推理时决定是否调用、调用哪个工具并生成符合 schema 的参数，框架随后执行真实函数并把结果回传给模型。智能体在此基础上叠加了循环决策能力——模型可依据工具返回结果再次判断是否需要继续调用，直至任务完成。这一机制使大模型从“只会生成文本”升级为“能操作外部系统”，也是 LangChain 封装的核心价值所在。

为什么不自己手搓框架？

教程中明确建议：不要自己手写一个LangChain或Cloud SDK。理由很直接——这些框架已经实现了很好的底层逻辑，自己手搓只会把精力浪费在大模型调用、内部并发、状态管理这些重复劳动上。与其如此，不如把时间花在业务逻辑上。

MCP协议：连接模型与上下文

MCP（Model Context Protocol）是这门LangChain课程中靠后的章节内容。UP主特意说明，MCP并不要求你掌握前面所有技术栈——有些章节会用到的内容，在MCP中未必是必须的；有些用不到的，他不会在直播中展开。这种聚焦式教学让零基础和有基础的开发者都能跟上。

从教程的定位来看，MCP是LangChain生态中用于标准化模型与上下文交互的协议。虽然原始内容对MCP的具体机制着墨不多，但它被安排在课程靠后位置，说明需要一定的LangChain基础才能深入理解。

MCP（Model Context Protocol）是由 Anthropic 于 2024 年底提出的开放协议，旨在为 AI 应用与外部数据源、工具之间提供一套标准化的通信接口。它采用客户端-服务器架构：AI 应用作为客户端，通过统一的协议向 MCP Server 请求资源、调用工具或获取提示模板，从而避免为每个数据源单独编写集成代码。MCP 与传统 Function Calling 的区别在于，它把“工具的定义与执行”从模型侧解耦到独立服务，使同一套工具可以被不同模型和框架复用。LangChain 等框架已逐步提供 MCP 适配层，使智能体能直接消费 MCP Server 暴露的能力。

这门教程适合谁？

UP主在开场明确表示，无论你是零基础还是有一定大模型开发基础，今晚的内容都能听懂。课程采用直播+社群答疑的形式，遇到不明白的地方可以在群里提问。这种手把手、从入门到代码实战的路线，确实比啃书更直接——尤其对于想快速上手LangChain和MCP集成的开发者来说。

学习建议

从教程透露的信息来看，学习路径可以这样规划：先理解LangChain作为AI应用框架的定位，再掌握智能体的核心概念（工具调用、结果处理、多轮决策），最后进入MCP协议的学习。不要试图手搓底层框架，善用现有工具链，把精力留给业务创新。