tools[].requestTemplate.argsToFormBodyboolean选填false参数以 application/x-www-form-urlencoded 格式编码在请求体中（与 body、argsToJsonBody、argsToUrlParam 互斥）。tools[].args[].typestring选填string参数类型（string、number、integer

langchain_mcp_adapters为LangChain和MCP之间搭建了一座桥梁，使得开发者能够轻松地在LangChain应用中利用MCP服务提供的工具和资源。langchain_mcp_adapters是一个连接LangChain和MCP的适配器库，它允许LangChain框架中的应用无缝地使用MCP服务提供的工具和资源。工具和资源抽象：将外部功能抽象为"工具"（可执行的功能）和"资源

以上两种实现MCP服务的方式，都可以学习下，尤其是如果你本身对fastapi比较的熟练，那么可以直接使用fastapi-mcp将服务注册为MCP server!以上代码实现了FastMCP 库来创建一个简单的 MCP 服务器，它提供一个基本的工具（工具名：crawl），用于是实现源代码的获取。使用fastspi-mcp创建一个实例化的mcp_server，将上面的fastapi服务注册为一个mcp

以上内容为与AI讨论的总结，这次与AI探索让我意识到，AI技术的进步不仅来自模型本身的改进，更来自我们如何更好地与AI协作。Sequential Thinking MCP就是这样一个例子——通过巧妙的工程设计，让AI展现出了"深度思考"的能力。它本质上是一个**“AI思维过程的自动化编排系统”**，将人类专家的工作方式——分析、思考、修正、深化——编码成了可重复的技术流程。也许，未来最强大的AI系