MCP-Use: Мощный мост между языковыми моделями и реальными инструментами

Когда вы в последний раз пытались заставить языковую модель взаимодействовать с внешними сервисами? Если ваш опыт похож на мой, это было нечто среднее между магией и головной болью. Именно эту проблему решает MCP-Use — open-source SDK, который превращает сложные интеграции в простые Python-скрипты.

Что такое MCP-Use?

MCP-Use — это Python-библиотека, которая позволяет подключать языковые модели (LLM) к серверам Model Context Protocol (MCP). Проще говоря, она даёт вашим AI-агентам "руки" для работы с реальными инструментами: от поиска в Google до бронирования Airbnb и 3D-моделирования в Blender.

Почему стоит обратить внимание?

Всего за полгода проект собрал почти 6 тысяч звёзд на GitHub и активно используется в 15+ зависимых проектах. И вот почему:

5 причин попробовать MCP-Use

6 строк кода — и ваш агент готов Базовый агент с доступом к инструментам создаётся буквально за минуту:
```
from mcp_use import MCPAgent
agent = MCPAgent(llm=your_llm, client=your_client)
result = await agent.run("Найди лучший ресторан в Москве")
```
Поддержка любых LLM Работает со всеми популярными моделями через LangChain: GPT-4o, Claude, Llama и другими, поддерживающими вызов инструментов.
Готовые интеграции Встроенная поддержка Playwright для браузинга, специальные серверы для Airbnb, Blender и других сервисов.
Безопасность Гибкая система ограничений: можно запретить опасные операции типа работы с файловой системой.
Реальный streaming Агент может выдавать результаты по мере выполнения, что идеально для чат-интерфейсов.

Как это работает под капотом?

MCP-Use выступает посредником между вашей LLM и MCP-серверами — специализированными службами, предоставляющими API для работы с конкретными инструментами. Библиотека берёт на себя:

Управление соединениями
Маршрутизацию запросов
Безопасность
Трансформацию данных

Архитектурно это выглядит так:

graph LR
    A[Ваш код] --> B[MCP-Use]
    B --> C[MCP Server 1]
    B --> D[MCP Server 2]
    B --> E[...]

Примеры из практики

Поиск жилья на Airbnb

agent = MCPAgent(llm=ChatAnthropic(model="claude-3-5-sonnet"))
result = await agent.run(
    "Найди хорошие варианты жилья в Сочи на неделю в сентябре. "
    "Нужно 2 спальни, бассейн и хорошие отзывы. Покажи топ-3 варианта."
)

3D-моделирование в Blender

result = await agent.run(
    "Создай надувной куб с мягким материалом и плоскость в качестве основания"
)

Веб-браузинг

result = await agent.run(
    "Найди последние новости про ИИ с помощью поиска Google"
)

Для кого это?

MCP-Use особенно полезен:

Разработчикам AI-агентов, которым нужен доступ к реальным инструментам
Командам, создающим сложные автоматизированные workflow
Энтузиастам, экспериментирующим с AI-ассистентами

Стартуем за 5 минут

Устанавливаем пакет:
```
pip install mcp-use
```
Выбираем LLM (например, OpenAI):
```
pip install langchain-openai
```
Пишем простого агента (пример выше)

Полная документация доступна на docs.mcp-use.com.

Что дальше?

Проект активно развивается — недавно добавили sandbox-режим через e2b для безопасного исполнения кода. Команда открыта к предложениям — можно оставить идею на сайте проекта.

Лично мне нравится, как MCP-Use снижает порог входа в создание "умных" агентов. Вместо месяцев интеграций — часы экспериментов. А вы уже пробовали подключать свои LLM к реальным инструментам?