18. MCP 原理：把外部工具接进 Agent

MCP 解决的是外部工具接入

内置工具不可能覆盖所有场景。

你可能想接：

内部知识库
数据库查询
浏览器自动化
云服务 API
企业系统

MCP 的价值是把这些能力用统一协议接进 Agent。

MCP 和普通 Tool 的关系

普通 Tool 往往是项目内写好的函数。

MCP Tool 可能来自外部 server。

DeerFlow 需要做几件事：

连接 MCP server
发现可用工具
转换成 Agent 可调用工具
处理认证和 session
缓存工具信息

DeerFlow 的 MCP 目录

源码位置：

backend/packages/harness/deerflow/mcp/

能看到：

client.py
session_pool.py
oauth.py
cache.py
tools.py

这些文件基本覆盖了 MCP 接入的关键问题。

为什么先接只读服务

MCP 很强，也很危险。

如果一开始就接有写权限的系统，Agent 选错工具时可能产生副作用。

第一版建议只接只读服务，例如查询、搜索、读取文档。

这一篇你要记住

MCP 不是“更多工具”。

它是让外部系统进入 Agent 执行链路的一种方式。接入前必须想清楚权限、认证、缓存和失败处理。

MCP 接入后的新问题

接 MCP 后，Agent 能力会变强，但系统复杂度也会上升。

你需要额外处理：

server 是否在线
session 是否复用
工具列表是否缓存
认证是否过期
工具返回是否可信

所以 MCP 不是“配置一行就结束”。

为什么有 session_pool 和 cache

session_pool.py 和 cache.py 说明 DeerFlow 不是每次都临时随便连一下 MCP。

session pool 关系到连接复用。

cache 关系到工具信息和 metadata 的稳定性。

如果 MCP 工具列表变化了，而缓存没更新，就可能出现 Agent 看到的工具和 server 实际工具不一致。

权限是第一优先级

MCP server 如果能写外部系统，必须谨慎。

先只读，后写入。先内部测试，后开放使用。