MCP客户端与服务器集成

MCP测试-客户端和服务器端组件OpenAI

该项目使用OpenAI GPT-4和TypeScript实现了MCP客户端和服务器（模型上下文协议），并遵循MCP的官方教程。

项目结构

mcp-test/
├── src/
│   ├── client.ts    # Cliente MCP que usa OpenAI
│   └── server.ts    # Servidor MCP com ferramentas de exemplo
├── build/           # Código compilado
├── .env            # Chaves de API
├── package.json
├── tsconfig.json
└── README.md

先决条件

• Node.js 17或更高级
• OpenAI API 密钥
• npm瓯纱

配置

1. 安装依赖关系 ：

   复制

   npm install
   

2. 设置环境变量 ： 文件 .env 应该已经包含您的 OpenAI 密钥：

   复制

   OPENAI_API_KEY=sua_chave_aqui
   

3. 编译TypeScript：

   复制

   npm run build
   

Como Usar

1. 启动 MCP 服务器

Em-um终端，执行：

npm run start:server

服务器提供以下工具 ：

• get_alerts获取一个州的天气警报（2个字母的代码）
• get_forecast: 获取坐标（ 纬度、 经度） 的天气预报
• add将两个数字相加
• multiply乘以两个数字
• get_random_fact获取一个随机有趣的事实

2. 启动MCP客户端

在另一个终端上，运行：

npm run start:client build/server.js

3. 与系统互动

现在，您可以提出使用可用工具的问题：

领事馆工作人员：

• “旧金山的天气预报是什么？” （纬度： 37.7749， 经度： -122.4194）
• “德克萨斯州有天气警报吗？”
• “15+27是多少？”
• “计算8×9”
• “告诉我一个有趣的事实”

可用脚本

• npm run build：编译TypeScript与JavaScript
• npm run start:server：服务于MCP
• npm run start:client：客户MCP
• npm run dev:server：编译信息或服务
• npm run dev:client：客户信息汇编

建筑

伺服MCP(server.ts)

• 使用 MCP SDK 部署工具
• 使用国家气象服务 （NWS） API 获取气象数据
• 提供简单的数学工具和随机事实
• 通过 stdio （MCP 标准） 通信

客户MCP(client.ts)

• 通过 stdio 连接到 MCP 服务器
• 使用 OpenAI GPT-4o-mini 处理查询
• 将 MCP 工具转换为 OpenAI 格式
• 当 LLM 决定使用工具时，自动运行工具

运行流程

1. 连接客户端通过 stdio 连接到服务器
2. 发现客户端列出服务器上可用的工具
3. 咨询公司用户提问
4. 分析OpenAI分析问题并决定使用哪些工具
5. 执行客户端通过 MCP 服务器运行工具
6. 答案OpenAI根据结果制定最终响应

使用的技术

• TypeScript主要语言：
• OpenAI SDK与GPT-4集成
• MCP-SDK客户端和服务器之间的通信协议
• 萨德： 方案验证
• dotenv环境变量管理

解决问题

连接到服务器出错

• 检查服务器路径是否正确
• 请确认服务器已编译 （npm run build)

API 密钥错误

• 验证se OPENAI_API_KEY 没有定义 .env
• 确认密钥是有效的，并且有可用的点数

工具无法工作

• 检查服务器是否正在运行
• 对于气象工具，仅使用美国位置

下一步

• 添加更多自定义工具
• 工具之外的资源（Resources）
• 添加预定义提示
• 为客户创建 Web 界面
• 实现缓存以提高性能

参考资料

• MCP客户端快速入门
• MCP服务器快速启动
• OpenAI API文档
• 模型上下文协议