Tools & MCP

在之前的与API交互教程中，我们探讨了如何使大型语言模型（LLM）能够调用外部API。为了提升用户体验，Flowise提供了一系列预构建工具。有关可用集成的完整列表，请参阅工具部分。

若您所需的工具尚未提供，您可以根据自身需求创建自定义工具。

自定义工具

我们将使用相同的事件管理服务器，并创建一个自定义工具，该工具可以调用/events的HTTP POST请求。

  • 工具名称： create_event

  • 工具描述：当您想要创建新事件时，请使用此工具。

  • 输入模式（Input Schema）：API请求体的JSON模式，使大型语言模型（LLM）能够了解如何自动生成正确的JSON请求体。例如：

  • Javascript 函数：调用此工具时要执行的实际函数


/// 译文内容：
---
根据上面的信息，执行如下指令：
缺失译文，请检查输入
const fetch = require('node-fetch');；
const url = 'http://localhost:5566/events';；
const options = {
    方法：'POST'，
    头部：{
        'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      名称：$name，
      位置：$location，
      日期：$date
    })
};
尝试 {
    const response = await fetch(url, options);；
    const text = await response.text();；
    返回文本；
} catch (error) {
    console.error(error);；
    返回“”；
}

如何使用函数：

  • 您可以使用在Flowise中导入的任何库。

  • 您可以将输入模式中指定的属性作为带有前缀 $ 的变量来使用：

    • 输入模式中的属性 = name

    • 函数中要使用的变量 = $name

  • 您可以获取默认流配置：

    • $flow.sessionId

    • $flow.chatId

    • $flow.chatflowId

    • $flow.input

    • $flow.state

  • 您可以获取自定义变量：$vars.<variable-name>

  • 函数结束时必须返回一个字符串值

在代理上使用自定义工具

自定义工具创建完成后，您可以在代理节点上使用它。

从“工具”下拉菜单中选择自定义工具。如果您想直接返回自定义工具的输出结果，也可以启用直接返回功能。

在工具上使用自定义工具

在特定的工作流程场景中，它也可以被用作工具节点 在这种情况下，必须明确定义工具输入参数并为其填充值，因为没有大型语言模型（LLM）来自动确定这些值。

MCP

MCP（模型上下文协议）提供了一种标准化方式，用于将人工智能模型连接到不同的数据源和工具。换言之，无需依赖Flowise内置工具或创建自定义工具，人们可以使用由其他人创建的MCP服务器。MCP被广泛认为是行业标准，通常由官方提供商提供支持和维护。例如，GitHub MCP由GitHub团队开发和维护，Atlassian Jira、Brave Search等也提供了类似的支持。您可以在这里找到受支持服务器的列表。

自定义MCP

除了预构建的MCP工具外，最强大的功能是自定义MCP，它允许用户连接到他们选择的任何MCP服务器。

MCP采用客户端-服务器架构，其中：

  • 主机是发起连接的LLM应用程序（如Flowise）

  • 客户端在宿主应用程序（如Custom MCP）内部与服务器保持1:1连接

  • 服务器为客户端提供上下文、工具和提示（示例服务器）

为了处理客户端与服务器之间的实际通信，MCP支持多种传输机制：

  1. 标准输入输出传输

    • 使用标准输入/输出进行通信

    • 非常适合本地流程

  2. 可流式处理的HTTP传输

    • 使用HTTP协议，并可选择使用服务器发送事件（Server-Sent Events）进行流式传输

    • 用于客户端向服务器发送消息的HTTP POST

Stdio

Stdio传输通过标准输入和输出流实现通信。这对于本地集成和命令行工具尤其有用。

仅在本地使用Flowise时使用此方法，部署到云服务时则不要使用。这是因为运行像npx这样的命令会在本地安装MCP服务器包（例如：@modelcontextprotocol/server-sequential-thinking），这通常需要很长时间。

它更适合像Claude Desktop、VS Code这样的桌面应用程序。

NPX 命令


/// 译文内容：
---
根据上面的信息，执行如下指令：
您想翻译的文本可能是：
```json
{
  "query": "SELECT * FROM users WHERE username = 'admin'",
  "result": [
    {
      "id": 1,
      "username": "admin",
      "password": "admin"
    }
  ]
}

{ "命令"："npx"， "args": [ y “@modelcontextprotocol/server-sequential-thinking” ] }


<figure><img src="../.gitbook/assets/image (16) (1) (1).png" alt="" width="419"><figcaption></figcaption></figure>

对于Windows系统，请参阅此[指南](https://gist.github.com/feveromo/7a340d7795fca1ccd535a5802b976e1f)。

#### **Docker 命令**

当运行Flowise的机器也能访问Docker时，使用Docker命令是合适的。然而，在Docker访问受限或不可用的云服务上进行部署时，使用Docker命令则不合适。

```json

/// 译文内容：
---
根据上面的信息，执行如下指令：
缺失译文，请检查输入
{
  "命令"："docker"，
  "args": [
    “跑”，
    “-i”，
    “--rm”，
    “mcp/sequentialthinking”
  ]
}

Docker 提供了一系列 MCP 服务器，可以在 这里 找到。其工作原理如下：

  1. 确保Docker正在运行。

  2. 找到MCP服务器配置并将其添加到自定义MCP中。例如：https://hub.docker.com/r/mcp/sequentialthinking

  3. 刷新可用操作。如果本地未找到镜像，Docker将自动拉取最新镜像。镜像拉取成功后，您将看到可用操作的列表。

无法在本地找到镜像“mcp/sequentialthinking:latest”
最新：从mcp/sequentialthinking拉取
f18232174bc9：已存在
cb2bde55f71f：拉取完成
9d0e0719fbe0：拉取完成
6f063dbd7a5d：拉取完成
93a0fbe48c24：拉取完成
e2e59f8d7891：拉取完成
96ec0bda7033：拉取完成
4f4fb700ef54：拉取完成
d0900e07408c：拉取完成
摘要：sha256:cd3174b2ecf37738654cf7671fb1b719a225c40a78274817da00c4241f465e5f
状态：已为 mcp/sequentialthinking:latest 下载了较新的镜像
运行在stdio上的Sequential Thinking MCP服务器

使用时机

  • 构建命令行工具

  • 实施本地集成

  • 需要简单的进程通信

  • 使用Shell脚本

可流式处理的HTTP（推荐）

我们将以Github Remote MCP为例。Remote GitHub MCP server的优点在于，你无需在本地安装或运行它，新的更新会自动应用。

步骤1：为Github个人访问令牌（PAT）创建一个变量

为了访问MCP服务器，我们需要从Github创建一个个人访问令牌。请参阅指南。创建个人访问令牌（PAT）后，请创建一个变量来存储该令牌。此变量将在自定义MCP中使用。

步骤2：创建自定义MCP

创建一个代理节点，并添加一个新的自定义MCP工具。对于可流式处理的HTTP，我们只需输入URL和其他必要的头部信息。在MCP服务器配置中，您可以使用双花括号{{ }}和前缀$vars.<variableName>来引用变量。


/// 译文内容：
---
根据上面的信息，执行如下指令：
缺失译文，请检查输入
{
  "url": "https://api.githubcopilot.com/mcp/"，
  "headers": {
    "授权"："持有者 {{$vars.githubPAT}}"，
  }
}

步骤3：选择操作

如果MCP服务器配置正确，您可以刷新“可用操作”列表，Flowise将自动从MCP服务器中提取所有可用操作。

交互示例：

给我最新一期

该代理能够从MCP中识别出适当的操作，并使用这些操作来回答用户的查询。

使用时机

在以下情况下使用可流式处理的HTTP：

  • 构建基于网络的集成

  • 需要通过HTTP进行客户端-服务器通信

  • 需要有状态会话

  • 支持多个并发客户端

  • 实现可恢复连接

视频教程

PreviousInteracting with APINextStructured Output

Last updated