mcp-agent-langchainjs vs filesystem
并排对比，帮你在这两个 MCP server 之间做选择。
mcp-agent-langchainjs by Azure-Samples | filesystem by modelcontextprotocol | |
|---|---|---|
| Stars | ★ 183 | ★ 85,748 |
| 30天用量 | — | — |
| 综合分 | 48 | 77 |
| 官方 | — | ✓ |
| 分类 | AI / LLM 工具电商开发者工具 | 本地文件系统开发者工具效率工具 |
| 实现语言 | TypeScript | TypeScript |
| 最近提交 | 1 个月前 | 本月 |
mcp-agent-langchainjs · 概述
一个使用 LangChain.js 和 MCP 服务器的汉堡点餐 AI 代理系统。
filesystem · 概述
功能丰富的文件系统操作 MCP 服务器，具有动态目录访问控制功能。
mcp-agent-langchainjs · 使用场景
- 通过自然语言对话实现的 AI 驱动点餐系统
- MCP 工具调用在真实世界应用中的演示
- 用于可扩展 AI 代理的无服务器架构
filesystem · 使用场景
- 使 AI 模型能够读取和写入项目文件进行开发
- 允许 Claude 或其他 MCP 客户端浏览和分析代码库
- 为内容生成提供对特定目录的安全沙盒访问
mcp-agent-langchainjs · 安装
安装步骤
- **GitHub Codespaces (推荐)**:
- 在 [GitHub Codespaces](https://codespaces.new/Azure-Samples/mcp-agent-langchainjs?hide_repo_select=true&ref=main&quickstart=true) 中打开项目，获取预配置环境
- **本地开发**:
- 克隆仓库: git clone <your-repo-url> - 安装 Node.js LTS - 安装 Azure Developer CLI 1.19+ - 使用 Ollama 进行本地测试: ``bash ollama pull qwen3:8b ` 创建 .env 文件，内容如下: `env AZURE_OPENAI_API_ENDPOINT="http://localhost:11434/v1" AZURE_OPENAI_MODEL="qwen3:8b" AZURE_OPENAI_API_KEY="__not_used__" `` - 按照 README 说明启动应用
- **部署到 Azure**:
- 运行 azd auth login - 运行 azd up 部署所有服务
**Claude Desktop 配置** (添加到 claude_desktop_config.json):
{
"mcpServers": {
"burger-mcp": {
"command": "node",
"args": ["packages/burger-mcp/dist/server.js"]
}
}
}filesystem · 安装
安装
使用 NPX
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/path/to/allowed/directory"
]
}
}
}使用 Docker
{
"mcpServers": {
"filesystem": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"--mount", "type=bind,src=/path/to/allowed/dir,dst=/projects/allowed/dir",
"mcp/filesystem",
"/projects"
]
}
}
}VS Code 扩展
点击 README 中的安装按钮直接在 VS Code 中安装。