はじめに
この記事に含まれる内容
- AutoGen から MCP Server にアクセスするためのコード例
- Filesystem MCP を利用
サンプルコード
以下のリポジトリに、今回作ったサンプルコードを共有しました。
AutoGen とは？
AutoGen は、Microsoft が OSS で公開している、自律的に動作したり、人間と一緒に作業したりできるマルチエージェント AI アプリケーションを作成するためのフレームワークです。
詳細は以下のドキュメントをご覧ください。
MCP とは？
MCP (Model Context Protocol) は Anthropic が提唱した、アプリケーションがLLMにコンテキストを提供する方法を標準化するオープンプロトコルです。
以下のドキュメントからたどれる先が公式かと思いますので、まずはここらへんを読んでみると良いでしょう。
手順
事前準備
Windows 環境で AutoGen から Filesystem MCP Server を使うには、以下のセットアップが必要です。
- Python 3.x
- Docker Desktop
また、Python のコーディングも行うので、Visual Studio Code もセットアップしましょう。
Filesystem MCP Server をセットアップ
基本的には以下のドキュメントの通りです。
今回は、Docker 経由で MCP を使うので、まずは Docker Container のビルドから。
docker build -t mcp/filesystem -f src/filesystem/Dockerfile .
Python の仮想環境を作成
venv で仮想環境を作ってアクティベートしましょう。
python -m venv .venv
.venv\Scripts\activate
必要なパッケージのインストール
以下のパッケージを pip でインストールします。
pip install -U "autogen-agentchat" "autogen-ext[openai,azure]"
pip install -U "autogen-ext[mcp]"
pip install python-dotenv
pip install pathlib
.venv の準備
以下のテンプレートに従って、.venv ファイルを作ります。
それぞれのプレースホルダーにはいい感じに Azure OpenAI の設定を行ってください。
AZURE_OPENAI_DEPLOYMENT=your_deployment_name
AZURE_OPENAI_API_KEY=your_api_key
AZURE_OPENAI_ENDPOINT=your_endpoint_url
AZURE_OPENAI_API_VERSION=your_api_version
AZURE_OPENAI_MODEL=your_model_name
AutoGen から Filesystem MCP を使うサンプルコード
VS Code で任意の Python ファイルを作って、以下のコードをコピーします。
import asyncio
import os
from dotenv import load_dotenv
from pathlib import Path
from autogen_ext.models.openai import AzureOpenAIChatCompletionClient
from autogen_ext.tools.mcp import StdioServerParams, mcp_server_tools
from autogen_agentchat.agents import AssistantAgent
from autogen_core import CancellationToken
# read environment variables from .env file
load_dotenv()
model_client = AzureOpenAIChatCompletionClient(
azure_deployment=os.getenv("AZURE_OPENAI_DEPLOYMENT"),
api_key=os.getenv("AZURE_OPENAI_API_KEY"),
api_version=os.getenv("AZURE_OPENAI_API_VERSION"),
azure_endpoint=os.getenv("AZURE_OPENAI_ENDPOINT"),
model=os.getenv("AZURE_OPENAI_MODEL"),
)
# main function to run the agent
async def main() -> None:
# Set up the MCP server parameters
# mcp/filesystem is a docker image that runs a filesystem server
# It mounts the D:/mcpdir directory to /projects/mcpdir in the container
server_params = StdioServerParams(
command="docker",
args=[
"run",
"-i",
"--rm",
"--mount",
"type=bind,src=D:/mcpdir,dst=/projects/mcpdir",
"mcp/filesystem",
"/projects",
],
)
# Get all available tools from the server
tools = await mcp_server_tools(server_params)
# Create an agent that can use all the tools
agent = AssistantAgent(
name="file_manager",
model_client=model_client,
tools=tools,
)
# Output of the agents is printed to the console
print(
# The agent can now use any of the filesystem tools
await agent.run(
task="Create a file called /projects/mcpdir/test.txt with some content",
cancellation_token=CancellationToken(),
)
)
# must use asyncio.run to run the main function
# because main() is an async function
if __name__ == "__main__":
asyncio.run(main())
実行
以下のコマンドを実行すると、Docker で Filesystem MCP が立ち上がり、マウント先のディレクトリ（今回は D:\mcpdir の中）に test.txt というファイルが出来上がるはずです。
python main.py
コードの解説
MCP への接続設定
今回は、MCP への接続を Stdio (Standard IO) transport で行います。この場合、MCP Server はサブプロセス的な形でローカル環境で起動されることになるのですが、まさにこのサブプロセスの起動設定を AutoGen の StdioServerParams に設定することで、Python のコードから自動的に連携先の MCP Server が立ち上がってくるという寸法です。
コードとしてはこんな感じ。
server_params = StdioServerParams(
command="docker",
args=[
"run",
"-i",
"--rm",
"--mount",
"type=bind,src=D:/mcpdir,dst=/projects/mcpdir",
"mcp/filesystem",
"/projects",
],
)
察しの良い方はお気づきのことと思いますが、これ docker のコンテナ起動コマンドそのまんまですね。
なんかうまく動かんな、というときには、ここに設定してあるコマンドと引数を全部くっつけて、手元の docker 環境で起動してみれば、コマンドが間違ってるかどうかくらいは確認できると思います。
その他コードの Tips
await agent.run の文をまるっと print で囲ってあげれば、エージェントの実行途中のメッセージが標準出力から出てきます。
これもデバッグに役に立つかも？
まとめ
AutoGen から、結構シンプルに MCP Server を触れることがこれでわかりました。
今回は Filesystem MCP でローカルにファイルを書き込むところをやりましたが、既に沢山の MCP が公開されていますので、今後いろいろと組み合わせて、面白いことをやりたいなーと思ったりしてます。
参考文献