Background to the issue
在AI代理或跨框架开发场景中，开发者常需为LangChain、LlamaIndex等不同框架重复编写相似的数据访问工具，导致效率低下且维护困难。
prescription
使用MCP Toolbox的工具集中管理功能可彻底解决该问题：
- 统一平台存储：在tools.yaml中定义工具（如search-hotels-by-name），所有框架共享同一套工具配置
- SDK适配：通过各框架专用SDK（如toolbox-langchain）加载工具，Python示例如下：
from toolbox_langchain import ToolboxClient
async with ToolboxClient("http://localhost:5000") as client:
tools = await client.load_toolset("hotel_booking") - Dynamic Updates:修改tools.yaml后自动同步到所有应用，无需重启服务
Implementation of recommendations
1. 按业务领域分类工具（如订单管理、用户认证）
2. 使用${ENV_VAR}管理数据库凭证
3. 结合Docker部署确保环境一致性
This answer comes from the articleMCP Toolbox for Databases: MCP services for fast database operationsThe
May not be reproduced without permission:AI productivity tools " 如何解决多框架开发环境下数据库工具重复开发的问题？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil