Model Context Protocol (MCP)은 모델에 구애받지 않는 형식으로 도구와 데이터 소스를 설명하기 위한 개방형 프로토콜로, LLM이 구조화된 API를 통해 이를 발견하고 사용할 수 있도록 합니다. LangGraph Server는 Streamable HTTP transport를 사용하여 MCP를 구현합니다. 이를 통해 LangGraph agent를 MCP tool로 노출할 수 있으며, Streamable HTTP를 지원하는 모든 MCP 호환 클라이언트에서 사용할 수 있습니다. MCP endpoint는 LangGraph Server의 /mcp에서 사용할 수 있습니다. 사용자 정의 인증 미들웨어를 설정하여 MCP 서버로 사용자를 인증하고 LangSmith 배포 내에서 사용자 범위 도구에 대한 액세스를 얻을 수 있습니다. 이 흐름에 대한 예시 아키텍처:

​
Requirements

MCP를 사용하려면 다음 종속성이 설치되어 있는지 확인하세요:
  • langgraph-api >= 0.2.3
  • langgraph-sdk >= 0.1.61
다음 명령으로 설치하세요: 
pip install "langgraph-api>=0.2.3" "langgraph-sdk>=0.1.61"

​
사용 개요

MCP를 활성화하려면:
  • langgraph-api>=0.2.3을 사용하도록 업그레이드하세요. LangSmith를 배포하는 경우 새 revision을 생성하면 자동으로 수행됩니다.
  • MCP tool(agent)이 자동으로 노출됩니다.
  • Streamable HTTP를 지원하는 MCP 호환 클라이언트와 연결하세요.

​
Client

MCP 호환 클라이언트를 사용하여 LangGraph 서버에 연결하세요. 다음 예제는 다양한 프로그래밍 언어를 사용하여 연결하는 방법을 보여줍니다.
  • JavaScript/TypeScript
  • Python
npm install @modelcontextprotocol/sdk
참고 serverUrl을 LangGraph 서버 URL로 교체하고 필요에 따라 인증 헤더를 구성하세요. 
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StreamableHTTPClientTransport } from "@modelcontextprotocol/sdk/client/streamableHttp.js";

// Connects to the LangGraph MCP endpoint
async function connectClient(url) {
    const baseUrl = new URL(url);
    const client = new Client({
        name: 'streamable-http-client',
        version: '1.0.0'
    });

    const transport = new StreamableHTTPClientTransport(baseUrl);
    await client.connect(transport);

    console.log("Connected using Streamable HTTP transport");
    console.log(JSON.stringify(await client.listTools(), null, 2));
    return client;
}

const serverUrl = "http://localhost:2024/mcp";

connectClient(serverUrl)
    .then(() => {
        console.log("Client connected successfully");
    })
    .catch(error => {
        console.error("Failed to connect client:", error);
    });

​
agent를 MCP tool로 노출하기

배포되면 agent가 다음 구성으로 MCP endpoint에 tool로 표시됩니다:
  • Tool name: agent의 이름.
  • Tool description: agent의 설명.
  • Tool input schema: agent의 input schema.

​
이름과 설명 설정하기

langgraph.json에서 agent의 이름과 설명을 설정할 수 있습니다: 
{
    "graphs": {
        "my_agent": {
            "path": "./my_agent/agent.py:graph",
            "description": "A description of what the agent does"
        }
    },
    "env": ".env"
}
배포 후 LangGraph SDK를 사용하여 이름과 설명을 업데이트할 수 있습니다.

​
Schema

불필요한 내부 복잡성을 LLM에 노출하지 않도록 명확하고 최소한의 input 및 output schema를 정의하세요. 기본 MessagesState는 AnyMessage를 사용하며, 이는 많은 메시지 유형을 지원하지만 LLM에 직접 노출하기에는 너무 일반적입니다. 대신 명시적으로 타입이 지정된 input 및 output 구조를 사용하는 사용자 정의 agent 또는 workflow를 정의하세요. 예를 들어, 문서 질문에 답변하는 workflow는 다음과 같을 수 있습니다: 
from langgraph.graph import StateGraph, START, END
from typing_extensions import TypedDict

# Define input schema
class InputState(TypedDict):
    question: str

# Define output schema
class OutputState(TypedDict):
    answer: str

# Combine input and output
class OverallState(InputState, OutputState):
    pass

# Define the processing node
def answer_node(state: InputState):
    # Replace with actual logic and do something useful
    return {"answer": "bye", "question": state["question"]}

# Build the graph with explicit schemas
builder = StateGraph(OverallState, input_schema=InputState, output_schema=OutputState)
builder.add_node(answer_node)
builder.add_edge(START, "answer_node")
builder.add_edge("answer_node", END)
graph = builder.compile()

# Run the graph
print(graph.invoke({"question": "hi"}))
자세한 내용은 low-level concepts 가이드를 참조하세요.

​
배포에서 사용자 범위 MCP tool 사용하기

전제 조건 langgraph_auth_user 객체를 채우는 자체 사용자 정의 인증 미들웨어를 추가하여 graph의 모든 node에 대해 구성 가능한 컨텍스트를 통해 액세스할 수 있도록 해야 합니다.
LangSmith 배포에서 사용자 범위 도구를 사용할 수 있도록 하려면 다음과 같은 코드 스니펫을 구현하는 것부터 시작하세요: 
from langchain_mcp_adapters.client import MultiServerMCPClient

def mcp_tools_node(state, config):
    user = config["configurable"].get("langgraph_auth_user")
         , user["github_token"], user["email"], etc.

    client = MultiServerMCPClient({
        "github": {
            "transport": "streamable_http", # (1)
            "url": "https://my-github-mcp-server/mcp", # (2)
            "headers": {
                "Authorization": f"Bearer {user['github_token']}"
            }
        }
    })
    tools = await client.get_tools() # (3)

    # Your tool-calling logic here

    tool_messages = ...
    return {"messages": tool_messages}
  1. MCP는 streamable_http 및 sse transport 서버에 대한 요청에만 헤더 추가를 지원합니다.
  2. MCP 서버 URL입니다.
  3. MCP 서버에서 사용 가능한 도구를 가져옵니다.
이는 새 실행에 대해 다른 구성을 갖도록 런타임에 graph를 재구성하여 수행할 수도 있습니다

​
Session 동작

현재 LangGraph MCP 구현은 session을 지원하지 않습니다. 각 /mcp 요청은 상태 비저장이며 독립적입니다.

​
Authentication

/mcp endpoint는 LangGraph API의 나머지 부분과 동일한 인증을 사용합니다. 설정 세부 정보는 인증 가이드를 참조하세요.

​
MCP 비활성화

MCP endpoint를 비활성화하려면 langgraph.json 구성 파일에서 disable_mcp를 true로 설정하세요: 
{
  "http": {
    "disable_mcp": true
  }
}
이렇게 하면 서버가 /mcp endpoint를 노출하지 않습니다.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I