AI导哈

模型上下文协议服务

MCP项目实现了轻量级的模型上下文协议，用于存储、版本控制和检索LLM及模型驱动代理的上下文片段。

  • by 7pandeys
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 7pandeys/mcp_project_exploration

使用说明

MCP Project — Model Context Protocol

Overview

该项目实现了一个最小的、实用的模型上下文协议（MCP），用于存储、版本和检索LLM和模型驱动代理的上下文片段。MCP的想法：一个轻量级的HTTP API，它允许工具/代理存储简短的上下文项（文档、信号、嵌入元数据），并通过id、标签或相关性获取相关上下文。这是作为面试或作品集工作的演示。

Goals

  • 展示清晰的协议设计（端点、语义）。

  • 提供一个小型、注重生产的服务器（FastAPI+SQLite）。

  • 包括在模型驱动的应用程序中使用MCP的客户端示例和最佳实践解释。

Features implemented

  • 创建/注册上下文项（JSON有效载荷）

  • 按id检索

  • 通过标签或文本搜索进行查询（简单的SQL LIKE搜索）

  • 将其他内容附加到上下文项

  • 版本控制：每次更新都会创建一个与原始id链接的新的不可变版本

  • 通过API密钥头进行基本访问控制（降级）

File layout (in repo)

mcp-project/
├─ main.py # FastAPI server
├─ models.py # Pydantic / SQLModel models
├─ db.py # DB helpers (sqlite)
├─ client_example.py # Python client showing usage
├─ requirements.txt
├─ README.md # This doc summarized

Protocol (HTTP endpoints)

  1. POST /contexts --注册新的上下文项

    • body: { "title": "...", "content": "...", "tags": ["..."], "metadata": {...} }

    • 回报 201 随着 { "id": "<uuid>", "version": 1 }

  2. GET /contexts/{id} --获取上下文项的最新版本

    • 返回带有版本数组的项目

  3. GET /contexts --查询上下文

    • 查询参数： tag, q （文本搜索）， limit, offset

  4. POST /contexts/{id}/append --向项目添加新内容（创建新版本）

    • body：`{“append_content”：“…”，“元数据”：{…}}```
All endpoints require ```x-api-key``` header.

How to run (local)

  • 创建virtualenv： python -m venv .venv && source .venv/bin/activate

  • 安装： pip install -r requirements.txt

  • 运行服务器： uvicorn main:app --reload

  • 运行客户端： python client_example.py

Extensions

  • 为什么MCP与传递完整上下文：网络+成本+隐私。MCP允许选择性检索、缓存和治理。

  • 缩放：添加向量存储（FAISS）进行语义检索，并返回ANN索引。

  • 安全性：使用每个用户的密钥、审计日志、速率限制、编辑敏感字段。

  • MLOps：将模型决策存储为元数据，以实现模型解释和RLHF监督。

  • 改进（下一步）

    • 使用SQLite FTS或ElasticSearch进行强大的文本搜索。

    • 添加嵌入：存储向量（float[]）并使用FAISS或Milvus进行语义查找。

    • 添加访问策略（ACL）和签名令牌。

    • 构建一个小UI来检查上下文和版本。

OR

  • 使用FAISS+neneneba API组合添加Dockerfile+docker-compose。

  • 替换简单的SQL LIKE 使用基于嵌入的语义搜索管道进行搜索。

相关 MCP