azure-samples/mcp-agent-langchainjs

⭐ 이 샘플이 마음에 드셨다면 GitHub에 별표를 달아 주세요 — 큰 도움이 됩니다!

개요 • 아키텍처 • 시작 • Azure 배포 • 로컬 실행 • MCP 도구 • 자료

[! 중요] 👉 **전체 워크숍을 따라가며 이 샘플을 어떻게 만들었는지 알아보세요.

개요

이 프로젝트는 **모델 컨텍스트 프로토콜(MCP)**를 사용하여 실제 API와 상호작용할 수 있는 AI 에이전트를 구축하는 방법을 시연합니다. 서버리스 API와 웹 인터페이스, 그리고 AI 에이전트가 메뉴를 탐색하고 주문하며 주문 상태를 추적할 수 있는 MCP 서버가 포함된 완전한 버거 주문 시스템을 특징으로 합니다. 에이전트는 LangChain.js를 사용하여 LLM 추론과 도구 호출을 처리합니다. 이 시스템은 아래 아키텍처 섹션에 자세히 설명된 대로 여러 상호 연결된 서비스로 구성되어 있습니다.

이 시스템은 Azure Static Web Apps(웹 앱)와 Azure Functions(API 및 MCP 서버)에 호스팅되며, 데이터 저장용으로는 Azure Cosmos DB를 사용해 NoSQL을 사용합니다. 이를 출발점으로 활용해 자신만의 AI 에이전트를 구축할 수 있습니다.

[! 팁] 배포나 클라우드 비용 없이 이 애플리케이션을 로컬에서 테스트할 수 있습니다. MCP 서버는 GitHub Copilot, Claude 및 기타 MCP 호환 클라이언트와 같은 인기 AI 도구와도 연동됩니다.

[!IMPORTANT] 👉 Follow the full-length workshop to learn how we built this sample.

Overview

This project demonstrates how to build AI agents that can interact with real-world APIs using the Model Context Protocol (MCP). It features a complete burger ordering system with a serverless API, web interfaces, and an MCP server that enables AI agents to browse menus, place orders, and track order status. The agent uses LangChain.js to handle LLM reasoning and tool calling. The system consists of multiple interconnected services, as detailed in the Architecture section below.

The system is hosted on Azure Static Web Apps (web apps) and Azure Functions (API and MCP servers), with Azure Cosmos DB for NoSQL for data storage. You can use it as a starting point for building your own AI agents.

[!TIP]