Qwen 3 unterstützt MCP-Server und so funktioniert's

Wenn Sie von Qwen 3 und seiner glänzenden MCP (Model-Context-Protocol)-Unterstützung begeistert sind, erwartet Sie ein Leckerbissen! Ich habe kürzlich die Fähigkeiten von Qwen 3 auf meinem Windows-Computer unter die Lupe genommen, und lassen Sie mich Ihnen sagen – es ist ein Game-Changer für die Entwicklung von KI-Agenten, die mit Tools wie SQLite-Datenbanken interagieren. In diesem Tutorial werden wir untersuchen, wie Qwen 3 MCP nutzt, um Ihr Programmierleben zu erleichtern, mit einem praktischen Beispiel für die Abfrage einer Datenbank. Wir werden auch die beeindruckenden Benchmarks von Qwen 3 ansprechen und Ihnen zeigen, wie Sie OpenRouter und Roo Code verwenden können, um schnell loszulegen. Sind Sie bereit, Qwen 3 und MCP zu Ihren neuen besten Freunden zu machen? Lasst uns eintauchen!

💡

Bevor wir beginnen, ein kurzer Shoutout an Apidog – ein fantastisches Tool für API-Liebhaber! Es vereinfacht das Entwerfen, Testen und Dokumentieren von APIs, was perfekt für die Verwaltung von Qwen 3-Integrationen ist. Schauen Sie es sich unter apidog.com an – es ist ein Lebensretter! Nun, kommen wir zu den guten Sachen…

button

Was ist Qwen 3 mit MCP-Unterstützung?

Qwen 3 ist die neueste Large-Language-Model-Serie vom Qwen-Team von Alibaba Cloud, die Ende April 2025 veröffentlicht wurde. Es ist ein Kraftpaket mit Modellen von 0,6B bis 235B Parametern, einschließlich Dichte- und Mixture-of-Experts (MoE)-Varianten wie Qwen3-235B-A22B (22B aktive Parameter). Laut qwen3.org konkurriert Qwen 3 mit Top-Modellen wie DeepSeek-R1, OpenAI’s o1, o3-mini, Grok-3 und Gemini-2.5-Pro in den Bereichen Programmierung, Mathematik und allgemeinen Aufgaben. Sein kleineres MoE-Modell, Qwen3-30B-A3B, übertrifft sogar QwQ-32B, obwohl es 10-mal weniger aktive Parameter hat – ziemlich beeindruckend, oder?

Was Qwen 3 besonders cool macht, ist seine MCP-Unterstützung, mit der es nahtlos mit externen Tools wie SQLite-Datenbanken, Speicher und Dateisystemen interagieren kann. MCP (Model-Context-Protocol) ermöglicht es Qwen 3, serverseitige Tools aufzurufen, wodurch agentenbasierte Workflows ermöglicht werden, bei denen das Modell Daten abrufen, Befehle ausführen und vieles mehr kann. Beiträge auf X schwirren über diese Funktion, wobei Benutzer ihre Optimierung für erweiterte Funktionsaufrufe und Agentenfähigkeiten feststellen. Richten wir es ein und sehen wir es in Aktion mit einem Datenbankabfragebeispiel!

Einrichten Ihrer Umgebung, um mit Qwen 3 zu arbeiten: Die Grundlagen

Lassen Sie uns Ihr System bereit machen, um Qwen 3 mit MCP zu verwenden. Keine Sorge – ich werde es Schritt für Schritt aufschlüsseln, damit Sie nie verloren sind.

Voraussetzungen prüfen: Stellen Sie sicher, dass Sie diese Tools installiert haben:

Python: Version 3.10 oder höher. Führen Sie python --version in Ihrem Terminal aus. Wenn es fehlt, holen Sie es sich von python.org.
Node.js: Benötigt für einige MCP-Server. Überprüfen Sie mit node --version oder laden Sie es von nodejs.org herunter.
uv: Version 0.4.18 oder höher für die Ausführung von MCP-Servern. Überprüfen Sie mit uv --version. Installieren Sie es bei Bedarf über pip install uv.
Git: Zum Klonen von Repos. Überprüfen Sie mit git --version oder installieren Sie es mit Homebrew (brew install git auf Mac) oder winget (winget install git.git auf Windows).
SQLite: Für unser Beispiel. Bestätigen Sie mit sqlite3 --version oder installieren Sie es über Homebrew (brew install sqlite3) oder winget (winget install sqlite.sqlite).
Hardware: Eine CPU mit 4+ Kernen, 16 GB+ RAM und 10 GB+ freiem Speicher, um die KI-Verarbeitung zu bewältigen.

Erstellen Sie einen Projektordner: Lassen Sie uns die Dinge ordentlich halten:

mkdir qwen3-mcp
cd qwen3-mcp

Dieser Ordner ist Ihr Arbeitsbereich für Qwen 3 und MCP-Magie.

Richten Sie eine virtuelle Umgebung ein: Um Abhängigkeitskonflikte zu vermeiden, erstellen Sie eine virtuelle Python-Umgebung:

python -m venv venv

Aktivieren Sie sie:

Mac/Linux: source venv/bin/activate
Windows: venv\Scripts\activate

Die (venv)-Eingabeaufforderung in Ihrem Terminal bedeutet, dass Sie bereit sind, loszulegen.

Installieren von Qwen-Agent für MCP-Unterstützung

Qwen 3 verwendet das Qwen-Agent-Framework, um die MCP-Unterstützung zu aktivieren, wie auf GitHub vermerkt. Installieren wir es und richten wir die Abhängigkeiten für unser SQLite-Beispiel ein.

Installieren Sie Qwen-Agent mit MCP-Unterstützung:

pip install -U "qwen-agent[gui,rag,code_interpreter,mcp]"

Dieser Befehl installiert Qwen-Agent mit allen optionalen Abhängigkeiten, einschließlich [mcp] für MCP-Unterstützung, [gui] für die Web-UI, [rag] für die abrufaugmentierte Generierung und [code_interpreter] für die Ausführung von Code.

Installation überprüfen: Stellen Sie sicher, dass Qwen-Agent korrekt installiert wurde, indem Sie Folgendes ausführen:

python -c "import qwen_agent; print(qwen_agent.__version__)"

Wenn Sie eine Versionsnummer sehen (z. B. 0.1.0), sind Sie startklar. Andernfalls installieren Sie es erneut oder überprüfen Sie Ihre Python-Umgebung.

Konfigurieren von Qwen 3 mit MCP-Server

Konfigurieren wir nun Qwen 3 so, dass es mit einem MCP-Server für Tool-Aufrufe funktioniert. Wir verwenden das SQLite-Beispiel aus dem Qwen-Agent-GitHub-Repo, um eine Datenbank abzufragen.

Richten Sie den MCP-Server für SQLite ein:

Das Beispiel verwendet einen MCP-Server, um SQLite-Datenbankinteraktionen zu verarbeiten. Erstellen Sie zuerst eine Testdatenbank (test.db), falls Sie noch keine haben:

sqlite3 test.db "CREATE TABLE example (id INTEGER PRIMARY KEY, name TEXT); INSERT INTO example (name) VALUES ('Alice'), ('Bob');"

Starten Sie nun den MCP-SQLite-Server:

uvx mcp-server-sqlite --db-path test.db

Dadurch wird der SQLite-MCP-Server ausgeführt, sodass Qwen 3 test.db abfragen kann. Lassen Sie dieses Terminal geöffnet.

Konfigurieren Sie Qwen 3 in Ihrem Code:

Schreiben wir ein Python-Skript, um Qwen 3 mit dem MCP-Server zu verwenden, basierend auf dem Beispiel assistant_mcp_sqlite_bot.py. Erstellen Sie eine Datei mit dem Namen qwen3_mcp_sqlite.py:

import os
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

# Definieren Sie den Agenten mit Qwen 3 und MCP-Konfiguration
def init_agent_service():
    llm_cfg = {
        'model': 'qwen3-32b',  # Verwenden Sie das Qwen 3-Modell
        'model_type': 'qwen_dashscope',
        'api_key': os.getenv('DASHSCOPE_API_KEY'),
    }
    tools = [{
        'mcpServers': {
            'sqlite': {
                'command': 'uvx',
                'args': ['mcp-server-sqlite', '--db-path', 'test.db']
            }
        }
    }]
    bot = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name='MCP-SQLite-Bot',
        description='Dieser Bot kann Fragen anhand der SQLite-Datenbank beantworten'
    )
    return bot

# Testen Sie den Agenten mit einer Abfrage
def test(query='Wie viele Tabellen gibt es in der Datenbank?'):
    bot = init_agent_service()
    messages = [{'role': 'user', 'content': query}]
    for response in bot.run(messages=messages):
        print(response)

# Führen Sie eine Web-UI für interaktives Testen aus
def app_gui():
    bot = init_agent_service()
    WebUI(bot).run()

if __name__ == '__main__':
    test()
    # Auskommentieren, um die Web-UI auszuführen
    # app_gui()

Dieses Skript richtet Qwen 3 (insbesondere qwen3-32b) so ein, dass es mit einem MCP-SQLite-Server funktioniert. Es definiert einen Bot, der die Datenbank abfragen kann, und enthält eine Web-UI-Option für interaktives Testen.

Legen Sie den DashScope-API-Schlüssel fest:

Das Skript verwendet den DashScope-Dienst von Alibaba Cloud für Qwen 3. Sie benötigen einen DashScope-API-Schlüssel:

Melden Sie sich unter dashscope.aliyuncs.com an.
Navigieren Sie zu den API-Einstellungen, generieren Sie einen Schlüssel und legen Sie ihn als Umgebungsvariable fest:

export DASHSCOPE_API_KEY="your-dashscope-api-key"

Fügen Sie dies Ihrem Shell-Profil (z. B. ~/.zshrc) hinzu und laden Sie es mit source ~/.zshrc neu.

Verwenden von OpenRouter und Roo Code für Qwen 3 mit MCP

Wenn Sie sich nicht mit DashScope befassen möchten, können Sie OpenRouter verwenden, um auf Qwen 3 zuzugreifen und den vorkonfigurierten MCP-Server von Roo Code zu nutzen. So geht's:

Holen Sie sich einen OpenRouter-API-Schlüssel:

Besuchen Sie openrouter.ai und melden Sie sich an.
Gehen Sie zu Ihren Kontoeinstellungen, generieren Sie einen API-Schlüssel und kopieren Sie ihn.

Richten Sie Roo Code mit OpenRouter ein:

Roo Code ist eine Plattform, die KI-Agenten-Workflows vereinfacht und oft mit vorkonfigurierten MCP-Servern geliefert wird. Angenommen, Sie haben Roo Code eingerichtet:

Konfigurieren Sie Ihren OpenRouter-API-Schlüssel in den Einstellungen von Roo Code (normalerweise unter API-Integrationen).
Aktualisieren Sie die Modellkonfiguration in Roo Code, um Qwen 3 über OpenRouter zu verwenden:

{
    "model": "qwen3-32b",
    "model_server": "https://openrouter.ai/api/v1",
    "api_key": "your-openrouter-api-key"
}

Roo Code hat normalerweise ein MCP-Server-Setup, das dem in unserem Skript ähnelt. Überprüfen Sie die Dokumentation, um sicherzustellen, dass der SQLite-Server ausgeführt wird (z. B. uvx mcp-server-sqlite --db-path test.db).

Führen Sie dasselbe Skript mit Roo Code aus:

Ändern Sie die llm_cfg in Ihrem Skript qwen3_mcp_sqlite.py, um OpenRouter zu verwenden:

llm_cfg = {
    'model': 'qwen3-32b',
    'model_server': 'https://openrouter.ai/api/v1',
    'api_key': 'your-openrouter-api-key'
}

Führen Sie das Skript wie zuvor aus – der MCP-Server von Roo Code verarbeitet die SQLite-Abfragen, und Qwen 3 verarbeitet sie über OpenRouter.

Option 2: Konfigurieren von Roo Code für die Arbeit mit OpenRouter:
Wenn Sie es vorziehen, kein benutzerdefiniertes Skript zu verwenden, können Sie Roo Code ganz einfach mit OpenRouter einrichten, indem Sie diese Schritte ausführen:

Öffnen Sie die Einstellungen von Roo.
Ändern Sie den Standardanbieter in OpenRouter.
Wählen Sie das Qwen 3-Modell aus.

Nach der Konfiguration arbeiten Ihre vorhandenen MCP-Server in Roo Code nahtlos mit dem Qwen 3-Modell.

Testen von Qwen 3 mit MCP: Abfragen einer Datenbank

Testen wir Qwen 3 mit unserem MCP-Setup, indem wir die SQLite-Datenbank abfragen.

Führen Sie das Skript aus:

Führen Sie mit dem MCP-SQLite-Server, der ausgeführt wird (aus Schritt 1 in „Konfigurieren von Qwen 3 mit MCP-Server“), Ihr Skript aus:

python qwen3_mcp_sqlite.py

Die Standardabfrage („Wie viele Tabellen gibt es in der Datenbank?“) sollte eine Antwort zurückgeben, die eine Tabelle (example) angibt, da wir sie zuvor erstellt haben.

Interaktives Testen mit Web-UI:

Entfernen Sie die Auskommentierung des app_gui()-Aufrufs im Skript und führen Sie es erneut aus:

if __name__ == '__main__':
    # test()
    app_gui()

Dadurch wird eine Gradio-basierte Web-UI gestartet. Öffnen Sie die bereitgestellte URL (normalerweise http://127.0.0.1:7860) in Ihrem Browser, geben Sie Abfragen wie „List all names in the example table“ ein, und Qwen 3 verwendet den MCP-Server, um Ergebnisse abzurufen (z. B. „Alice, Bob“).

Die Ergebnisse verstehen:

Das SQLite-Beispiel zeigt, wie Qwen 3 MCP verwendet, um mit externen Tools zu interagieren. Das Modell sendet eine Abfrage an den MCP-Server, der sie gegen test.db ausführt und das Ergebnis zurückgibt. Dieses Setup ist perfekt für die Erstellung von Agenten, die Daten dynamisch abrufen müssen – ziemlich leistungsstark, oder?

Erfahren Sie, wie Sie mit RooCode und MCP-Servern beginnen

Tipps für die effektive Verwendung von Qwen 3 mit MCP

Halten Sie Abfragen einfach: Verwenden Sie für Datenbankaufgaben klare Eingabeaufforderungen wie „List all names in the example table“, um genaue Ergebnisse von Qwen 3 zu erhalten.
API-Nutzung überwachen: Verfolgen Sie Ihre API-Nutzung, egal ob Sie DashScope oder OpenRouter verwenden, um zu vermeiden, dass Sie die Ratenbegrenzungen erreichen.
Entdecken Sie weitere MCP-Tools: MCP unterstützt Tools wie Speicher und Dateisystem – sehen Sie sich das Qwen-Agent-GitHub für weitere Beispiele an.
Testen Sie zuerst lokal: Verwenden Sie die Web-UI, um Abfragen interaktiv zu testen, bevor Sie sie in der Produktion bereitstellen.

HiMCP.ai - Entdecken Sie 1682+ MCP-Server

Meine Meinung zu Qwen 3 mit MCP

Nachdem ich mit Qwen 3 und MCP gespielt habe, ist das meine Meinung:

Nahtlose Integration: Das MCP-Server-Setup ist unkompliziert, und Qwen 3 verarbeitet Tool-Aufrufe wie ein Champion.
Leistungsstark für Agenten: Das Abfragen von Datenbanken ist nur der Anfang – MCP eröffnet endlose Möglichkeiten für Agenten-Workflows.
Leistungssteigerung: Die Benchmarks von Qwen 3 zeigen, dass es ein Top-Konkurrent ist, und die MCP-Unterstützung macht es noch vielseitiger.

Wenn Sie auf Probleme stoßen, überprüfen Sie Ihren API-Schlüssel und stellen Sie sicher, dass der MCP-Server ausgeführt wird.

Zusammenfassung: Ihre Qwen 3- und MCP-Reise

Sie haben gerade die Leistung von Qwen 3 mit MCP-Unterstützung freigeschaltet, wodurch Ihre KI-Agenten intelligenter und leistungsfähiger werden! Von der Abfrage von Datenbanken bis zur Erkundung anderer MCP-Tools sind Sie bereit, erstaunliche Dinge zu bauen. Für weitere Details können Sie sich gerne das Qwen-Agent-GitHub-Repo oder qwen3.org ansehen. Machen Sie weiter mit Qwen 3 und MCP!

button