发现优质的 AI Agent 技能

[多智能体系统](https://docs.langchain.com/oss/python/langchain/multi-agent#multi-agent)（MAS, Multi-Agent Systems）有很多种模式，比如 Supervisor 和 Handoff。

本节，我们将在 LangGraph 中接入 MCP Server。在接入 MCP Server 之前，必须开发 MCP Server。这可是我的老本行。在[《新瓶装旧酒：纸牌魔术 MCP》](https://luochang212.github.io/posts/card_magic_mcp/)一文中，我已经总结出一套高效的开发方法了。下面我将使用这种方法创建 MCP Servers，再将它们接入 LangGraph。

[上下文工程](https://docs.langchain.com/oss/python/langchain/context-engineering)（Context Engineering）对于 Agent 得出正确的结果至关重要。模型回答不好，很多时候不是因为能力不足，而是因为没有获得足以推断出正确结果的上下文信息。通过上下文工程，增强 Agent 获取和管理上下文的能力，是很有必要的。

[记忆](https://docs.langchain.com/oss/python/langgraph/add-memory)（Memory）是一个可选模块。如非必要，你无需向智能体添加 Memory 模块。因为 StateGraph 本身就含有历史消息列表 `messages`，足以满足最基础的“记忆”需求。

[人机交互](https://docs.langchain.com/oss/python/langchain/human-in-the-loop)（Human-in-the-loop, HITL）指智能体为了向人类索要执行权限或额外信息而主动中断，并在获得人类反馈后继续执行的过程。

[中间件](https://docs.langchain.com/oss/python/langchain/middleware/overview)（middleware）是本次更新中最亮眼的特性，诸多新功能均藉由中间件实现，比如人机交互、动态系统提示词、动态注入上下文等等。中间件是一种钩子函数。通过向工作流中预埋中间件，能够实现工作流的高效拓展和可定制化。

[ReAct Agent](https://docs.langchain.com/oss/python/langchain/agents#tool-use-in-the-react-loop) 是一种将 **推理**（Reasoning）与 **行动**（Acting）结合起来的智能体。它是智能体的核心科技，也是智能体框架中最能表现其自主性的组件。

LangGraph 是由 LangChain 团队开发的开源 Agent 框架。v1.0 是稳定版本，框架能力全面升级，支持中间件、状态图、多智能体等高级功能。本 skill 内容由《LangGraph 1.0 完全指南》提供。

Model Context Protocol (MCP) integration for OpenClaw

Solutions to common issues with the MCP Integration plugin.

This is a **real, working configuration** for connecting to the kr-legal-search MCP server.

Practical examples of using the MCP Integration plugin with OpenClaw.