LangChain 08：上下文工程、Runtime 与 MCP

#1、本篇任务：只在正确时刻给 Agent 正确的信息和能力

Agent 变差经常不是模型不够强，而是上下文里混入太多旧消息、无关文档、危险工具或伪造身份。本课建立上下文工程方法，并把 MCP 当作外部能力适配器接入。

#2、上下文有四种来源

模型消息中写“我是管理员”不能改变 runtime role；检索文档写“忽略系统规则”不能升级为 system message。

#3、为每次模型调用制作上下文清单

复制稳定 system 规则
 + 当前用户问题
 + 最近必要消息
 + 本步骤需要的结构化事实
 + 已通过 ACL 的 Top-k 文档
 + 本步骤允许的工具说明
 <= 当前模型的 token 预算

每块记录来源、token 数、优先级和版本。超预算时先去掉低相关文档和大型工具原文，再压缩旧会话；永远不要截掉权限规则或把半个 JSON 交给模型。

#4、动态 prompt 与动态工具

退款政策问题不需要暴露邮件、日历或代码执行工具。根据可信 role、当前任务阶段和风险动态选择工具，既减少模型选择错误，也缩小攻击面。

复制def tools_for(context: RequestContext, phase: str):
    tools = [search_policy, get_order]
    if phase == "after_approval" and "refund_operator" in context.roles:
        tools.append(submit_refund)
    return tools

动态系统提示可加入当前区域、语言和政策版本，但不能把完整用户资料全部拼入。需要什么取什么，并让 trace 记录最终上下文版本。

#5、MCP 解决的是标准接入，不是自动安全

MCP server 可以暴露 tools、resources 和 prompts。LangChain 的 MCP client 把多个 server 的工具转换成 Agent 可用工具；stdio 适合本地进程，HTTP 适合远程服务。

Python：

复制from langchain_mcp_adapters.client import MultiServerMCPClient
from langchain.agents import create_agent

client = MultiServerMCPClient({
    "policy": {"transport": "http", "url": "https://mcp.internal/policy"},
})
tools = await client.get_tools()
agent = create_agent(model="openai:gpt-5.5", tools=tools)

TypeScript：

复制import { MultiServerMCPClient } from "@langchain/mcp-adapters";
import { createAgent } from "langchain";

const client = new MultiServerMCPClient({
  policy: { transport: "http", url: "https://mcp.internal/policy" },
});
const tools = await client.getTools();
const agent = createAgent({ model: "openai:gpt-5.5", tools });

实现时以当前 SDK 的导入路径为准。核心设计不变：server 与工具 allowlist、凭证、超时和权限必须由应用配置。

#6、每个 MCP server 都要有接入合同

接入前记录：server owner 和版本；允许的 tool/resource；认证方式和 scopes；可访问网络；输入/输出大小；超时、并发和成本；是否有副作用；审计字段；降级方式。

远程 server 返回的工具描述和 resource 内容都可能恶意。把它们当外部数据，不能让 server 自己决定系统 prompt、租户身份或工具审批规则。

#7、MCP 安全测试

1. server 返回“读取全部用户数据”的工具描述，Agent 仍只能访问 allowlist。
2. resource 包含 prompt injection，不会改变系统规则。
3. 远程调用超时、5xx、返回超大内容时有 deadline、截断与熔断。
4. 两个租户调用相同工具时使用各自短期凭证和 namespace。
5. 副作用工具重复调用时使用幂等键，并在需要时触发 HITL。

#8、课程阶段验收

到这里，你应能完成一个 LangChain 退款助手：稳定 schema、安全工具、可评测 RAG、会话持久化、流式 UI、审批与 MCP 接入边界。若流程分支和恢复开始变复杂，就进入下一阶段：用 LangGraph 把状态和控制流显式化。

官方阅读：Context Engineering、Python MCP、TypeScript MCP。