## 简介火山引擎大模型广场的MCP市场，提供了200+丰富的工具，帮助AI Agent开发过程可以快速使用，拓展Agent的能力。MCP的全称是Model Context Protocol，它定义了应用程序和AI模型之间交换上下文信息的方式，这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型。详细的协议介绍可参考[MCP官网](https://modelcontextprotocol.io/docs/getting-started/intro)的介绍。火山引擎提供三种MCP的使用方式： * **Local MCP Server：** 运行在用户的本地环境中。与部署在云端的“Remote MCP Server”不同，本地服务器利用诸如标准输入输出（stdio）的本地进程间通信方式运行，目的是直接将本地数据（如文件系统、数据库、日志、脚本等）以及本地工具功能以标准化接口的形式提供给 LLM 客户端调用。**适合调试、个人使用**或对安全性要求较高的企业环境。 * **Remote MCP Server：** 通过唯一URL可以远程访问，无需用户进行本地安装，或者云部署的MCP Server，支持多租户。 * **云部署（Serverless）：** 指通过veFaaS和API网关完成服务部署，并可自动弹性扩缩容，无需用户指定购买机器。本质是在火山引擎账号内部署一个独享的Remote MCP Server。 ## MCP的开通在MCP市场中，您可以选择需要的MCP Server进行使用。我们推荐使用Remote或云部署方式的MCP，可以用于生产环境，并且免除复杂的部署操作。有一部分MCP需要通过开通指示获取三方访问凭证 ## 试用MCP 当前支持在方舟，TRAE中使用MCP ## Agent开发中MCP 在VeADK中使用工具 ```Plain Text toolset = McpToolset( connection_params=StreamableHTTPConnectionParams( url="", #在MCP广场获取的链接 headers={ "X-API-KEY": "" #在MCP广场获取的API Key }, timeout=5.0, terminate_on_close=True ) ) tools = await toolset.get_tools() agent = Agent( name="my_agent", instruction="This is your instruction", tools=toolset, ) runner = Runner(agent=agent) response = asyncio.run(runner.run(messages="Add 2 and 3"))print(response) ```

AI Agent工具