我差点用 LangGraph 做社交媒体自动化（但我改而构建 MCP 服务器的原因）

Source: Dev.to

引言

我刚在 X 上发布了我的第一条 AI 生成的推文。它由 Groq 的免费 AI 生成，经过我自建的 MCP 服务器处理，并通过 Ayrshare 发布——全部 $0/月。
总构建时间？ 不到一天。

我差点用了 LangGraph。我花了好几天研究 LangChain 那个 2000 行的社交媒体代理。它已可投入生产，经过实战检验，令人印象深刻。但我走了另一条路，并在此过程中省下了 $45/月。

为什么我没有使用 LangGraph

LangGraph 很强大。LangChain 的社交媒体代理仓库（1.7k+ 星）提供了：

• 带审批门的人工在环工作流
• 用于复杂流程的状态检查点
• 多步骤代理编排
• 经受实战考验的参考实现

对于社交媒体自动化，LangGraph 提供了一切：内容生成、审阅循环、发布工作流以及分析——并内置状态管理。

不匹配之处

我的使用场景要简单得多：

1. 用户提供内容
2. AI 为平台进行优化
3. 保存为草稿
4. 准备好后发布

我不需要图结构，我只需要一次函数调用。当我完成一半的 LangGraph Cloud 设置时，我意识到自己在解决错误的问题。

LangGraph 的要求

• 持久运行时（LangGraph Cloud 最低 $29/月，或自行部署 VPS）
• 用于检查点的 PostgreSQL/MongoDB
• 持续在线的基础设施
• 框架特定概念（图、节点、边）

LangGraph 不能在 Cloudflare Workers 上运行，而 Workers 依赖无状态、边缘部署的函数且没有冷启动。切换框架还意味着要重写所有代码。

为什么我选择模型上下文协议（MCP）

MCP 是一种 协议，而不是框架。任何 MCP 客户端（Claude Desktop、VS Code + Continue、自定义 UI）都可以在不修改的情况下使用我的服务器。

架构假设

• 无状态请求/响应
• SQLite（Cloudflare D1）用于持久化
• 没有冷启动
• 全球分布

实现快照

• 约 800 行 TypeScript
• 8 个工具，3 个资源，3 个提示词
• 完整的草稿 CRUD
• AI 内容生成
• 多平台发布

随着 MCP 的采纳增长（Anthropic、Zed、Continue、Cody），服务器的价值会倍增，因为它不依赖于特定框架的生命周期。

成本对比

对于自由职业者试验想法来说，$5 与 $50 的差距意义重大。

架构图

Claude Desktop (Client)
   ↓ JSON‑RPC over stdio
MCP Server (TypeScript)
├── Tools (LLM‑controlled actions)
│   ├── draft_post
│   ├── schedule_post
│   ├── post_immediately
│   ├── generate_thread
│   └── analyze_engagement
├── Resources (App‑controlled data)
│   ├── drafts://list
│   ├── scheduled://posts
│   └── stats://summary
├── Prompts (User‑invoked templates)
│   ├── write_tweet
│   ├── linkedin_post
│   └── thread_generator
├── Storage (SQLite → D1)
└── Integrations
    ├── Ayrshare (multi‑platform posting)
    └── Groq (AI content generation)

每一层都是独立且可替换的。

关键组件

存储 (SQLite → Cloudflare D1)

import Database from 'better-sqlite3';

export class StorageService {
  private db: Database.Database;

  constructor(dbPath: string) {
    this.db = new Database(dbPath);
    this.initializeSchema();
  }

  createDraft(data: DraftData): Draft {
    const id = crypto.randomUUID();
    const now = new Date().toISOString();

    this.db.prepare(`
      INSERT INTO drafts (id, content, platform, tone, status, created_at)
      VALUES (?, ?, ?, ?, 'draft', ?)
    `).run(id, data.content, data.platform, data.tone, now);

    return this.getDraft(id);
  }
}

迁移到 Cloudflare D1

// 本地开发
const db = new Database('./social_media.db');

// Edge 运行时
const db = env.DB; // Cloudflare D1 绑定

相同的 SQL，不同的运行时。

社交媒体 API (Ayrshare)

export class SocialMediaAPI {
  private apiKey: string;
  private baseUrl = 'https://app.ayrshare.com/api';

  async postImmediately(content: string, platforms: string[]) {
    const response = await fetch(`${this.baseUrl}/post`, {
      method: 'POST',
      headers: {
        'Authorization': `Bearer ${this.apiKey}`,
        'Content-Type': 'application/json',
      },
      body: JSON.stringify({
        post: content,
        platforms,
      }),
    });

    return response.json();
  }
}

一个 API，覆盖十个平台。

内容生成器 (Groq 免费层)

import Groq from 'groq-sdk';

export class ContentGenerator {
  private client: Groq;

  async generate(request: GenerateRequest): Promise {
    const systemPrompt = this.buildSystemPrompt(request);

    const response = await this.client.chat.completions.create({
      model: 'llama-3.3-70b-versatile', // FREE
      messages: [
        { role: 'system', content: systemPrompt },
        { role: 'user', content: request.input },
      ],
      max_tokens: 1000,
      temperature: 0.7,
    });

    const text = response.choices[0]?.message?.content || '';
    return this.parseResponse(text, request);
  }

  private buildSystemPrompt(request: GenerateRequest): string {
    const platformPrompts = {
      twitter: `Create engaging tweets that:
- Stay under ${request.maxLength} characters (STRICT)
- Use ${request.tone} tone
- Hook readers in the first line
- End with engagement (question or CTA)`,

      linkedin: `Create professional posts that:
- Are detailed (1,300‑1,500 characters)
- Use ${request.tone} tone
- Start with a compelling hook
- Include 3‑5 key insights with takeaways`,
    };

    return platformPrompts[request.platform];
  }
}

质量极佳，成本为 $0。速率限制：30 请求/分钟，绰绰有余。

MCP 服务器骨架

import { Server } from '@modelcontextprotocol/sdk/server/index.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';

const server = new Server(
  { name: 'social-media-server', version: '1.0.0' },
  { capabilities: { tools: {}, resources: {}, prompts: {} } }
);

// Define tools
server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [
    {
      name: 'draft_post',
      // …
    },
    // other tools …
  ],
}));

服务器通过简单的 JSON‑RPC 接口公开工具、资源和提示，任何兼容 MCP 的客户端都可以使用。

结论

通过在 Cloudflare Workers 上部署轻量级 模型上下文协议 服务器，我：

• 摒弃了持久运行时和复杂状态管理的需求
• 将月费用从 约 $50 降至 $5
• 在 不到一天 的时间内交付了完整的社交媒体自动化流水线

如果你的 AI 工作流很直接——生成、审阅、执行——采用协议优先的方式往往比引入像 LangGraph 这样的大型框架更经济、更灵活。