使用说明

MCP SSE服务器-参考实现

使用服务器发送事件（SSE）传输的最小MCP（模型上下文协议）服务器实现。与许多使用stdio传输的MCP服务器示例不同，这是一个可以通过Docker部署到任何托管平台的远程SSE服务器。这为构建可部署的MCP服务器提供了一个干净、易于理解的参考。

注：此实现将清晰度和易理解性置于生产就绪功能之上。它不包括企业部署所需的全面生产方面，如健壮的错误处理、监控、安全强化、速率限制或可扩展性考虑。

特性

SSE 运输：远程MCP服务器部署的服务器发送事件
Docker就绪：容器化，便于部署到任何云平台
MCP集成
清洁建筑：相关性最小，关注点明确分离
可配置日志记录：控制台日志记录，可选日志级别覆盖
基于环境的配置：用途 .env 安装文件

快速开始

1.环境设置

复制 .env.example 向 .env 并更新您的配置：

cp .env.example .env

然后编辑 .env 与你的价值观：

# Required
MCP_SERVER_AUTH_KEY=your-mcp-auth-key

# Optional
LOG_LEVEL=INFO
ENVIRONMENT=development

# Docker/Deployment Specific (optional)
FILE_LOGGING=true

2.安装

首先，安装uv（参见 Astral安装指南):

# Create virtual environment and install dependencies
uv venv

# Activate the virtual environment
# On macOS/Linux:
source .venv/bin/activate
# On Windows:
# .venv\Scripts\activate

uv sync  # Install dependencies into virtual environment

3.运行服务器

uv run python mcp_server.py

部署

Docker部署

# Build and run
docker build -f deployment/Dockerfile -t mcp-sse-server .
docker run -d --name mcp-sse-server -p 8080:8080 --env-file .env mcp-sse-server

Azure容器应用部署

快速部署

cd deployment/bicep
chmod +x deploy.sh
./deploy.sh

自定义部署选项

部署脚本现在为 BASE_NAME 和 REGION_CODE 从你的 .env 默认情况下，文件。对于一次性部署，您可以覆盖以下内容：

# Use custom names from environment variables
export BASE_NAME=myclient-mcp REGION_CODE=eastus
./deploy.sh

# Or override via command line (takes precedence over .env)
./deploy.sh --base-name myclient-mcp --environment prod --region-code eastus

# Update code only (no infrastructure changes)
./deploy.sh --update

已创建Azure资源

部署将创建以下Azure资源标准命名约定:

资源	名称模式	示例
资源组	rg-{service}-{env}-{地区}	rg-mcp-se-dev-weu
容器应用程序	ca-{service}-{env}-{地区}	加拿大中央银行
容器应用环境	cae-{service}-{env}-{地区}	cae mcp sse-dev-weu
日志分析工作区	日志-{service}-{env}-{region}	log-mcp-sse-dev-weu
容器注册表	cr{service}{env}{region}	crmcpssedevweu

配置：

CPU：0.5 vCPU，内存：1GB
固定缩放：1个副本（最小=1，最大=1）
HTTPS入口已启用

先决条件

已安装并配置Azure CLI
Docker已安装并正在运行
.env 包含必需变量的文件

实时部署

该服务当前部署在：

统一资源定位符: https://ca-mcp-sse-development-weu.mangosea-a4cea9ef.westeurope.azurecontainerapps.io
环境：发展（西欧）
资源组：rg mcp sse dev weu

Azure管理

门户访问：

引导到 Azure门户
搜索资源组： rg-mcp-sse-dev-weu
查找容器应用程序： ca-mcp-sse-development-weu

CLI命令：

# Get container app details
az containerapp show --name ca-mcp-sse-development-weu --resource-group rg-mcp-sse-dev-weu

# View logs
az containerapp logs show --name ca-mcp-sse-development-weu --resource-group rg-mcp-sse-dev-weu

# Restart app
az containerapp restart --name ca-mcp-sse-development-weu --resource-group rg-mcp-sse-dev-weu

故障排除

常见问题：

缺少环境变量：确保 .env 文件已存在，其中包含所有必需的变量
Azure CLI问题：验证登录 az account show
容器故障：检查Docker守护进程是否正在运行
运行时问题：在Azure日志分析中查看容器日志

健康检查：

curl https://your-container-app-url.azurecontainerapps.io/health

与ngrok的地方发展

对于使用web客户端的本地开发，您可以使用ngrok公开您的本地服务器：

安装ngrok：https://ngrok.com/download
启动本地MCP服务器：
```
uv run python mcp_server.py
```
在另一个终端中，暴露服务器：
```
ngrok http 8080
```
使用提供的HTTPS URL（例如。， https://abc123.ngrok.io)在您的web客户端中
记得包括你的 X-API-Key 发出请求时的标头

使用AI Buddy进行测试

您可以使用ngrok在AI Buddy中测试您的MCP SSE服务器，以创建安全隧道：

启动本地服务器：
```
uv run python mcp_server.py
```
创建ngrok隧道：
```
ngrok http 8080
```
配置AI Buddy MCP连接器：
- 打开AI Buddy并创建新的MCP连接器
- 将服务器URL设置为您的ngrok公共URL /sse 端点
- 例子： https://abc123.ngrok.io/sse
- 设置 X-API-Key 标题值与您的 MCP_SERVER_AUTH_KEY 从 .env
测试连接：
- AI Buddy现在应该能够连接到您的本地MCP服务器
- 请专家透露它可以访问哪些工具调用
- 您应该看到通过ngrok和应用服务器（在控制台中）输出的请求
- 专家应在其工具清单中包括可用的行动

项目结构

mcp-sse-server/
├── mcp_server.py           # Main entry point and core application logic
├── src/                    # Main source code
│   ├── __init__.py         # Package marker
│   ├── config.py           # Configuration management
│   ├── mcp_tools.py        # MCP server and tools registration
│   ├── utils/              # Utility modules
│   │   ├── __init__.py     # Package marker
│   │   └── __init__.py     # Package marker
│   └── actions/            # MCP action implementations
│       ├── __init__.py     # Package marker
│       └── status.py       # Example action with no dependencies
├── tests/                  # Test files
│   ├── test_config.py      # Configuration tests
│   ├── test_email_utils.py # Email utility tests
│   ├── test_mcp_tools.py   # MCP tools tests
│   └── test_*.py           # Other test files
├── deployment/             # Deployment files
│   ├── Dockerfile          # Container configuration
│   └── bicep/              # Azure Bicep templates and scripts
│       ├── deploy.sh       # Automated deployment script
│       └── main.bicep      # Azure resource definitions
├── logs/                   # Runtime logs (created automatically)
├── pyproject.toml          # Dependencies and project config
└── README.md              # This file

配置

环境变量

必修的：

MCP_SERVER_AUTH_KEY：MCP请求的身份验证密钥

可选：

LOG_LEVEL：日志记录级别（默认值：INFO）
ENVIRONMENT：环境名称（默认：开发）
FILE_LOGGING：启用文件日志记录（在Docker容器中使用）

发展

操作系统-添加新的MCP工具

服务器使用透明的基于动作的架构，其中每个MCP工具都作为单独的动作模块实现。依赖关系在函数签名中明确声明，使系统易于理解和扩展。

目录结构

src/actions/
├── __init__.py          # Package marker
└── status.py            # Server status functionality (no dependencies)

运作原理

该系统使用 依赖关系注册表 方法：

中央登记处：所有服务器依赖关系都在中声明 src/mcp_tools.py:

DEPENDENCIES: dict[str, object] = {
    "postmark_api_key": api_key,
    "sender_email": from_email,
    # Add new dependencies here ↓
    # "weather_api_key": os.getenv("WEATHER_API_KEY"),
}

基于签名的注入：只有出现在函数签名中的依赖项才会被注入，没有隐藏的行为。

添加新操作（<60秒）

第一步：写动作

创建 src/actions/my_feature.py:

"""
My feature action implementation.
"""

import logging
from typing import Any

logger = logging.getLogger(__name__)


async def my_feature_action(
    user_param1: str,
    user_param2: int,
    postmark_api_key: str,    # Only injected if you need it
    sender_email: str,        # Only injected if you need it
) -> Any:
    """
    Description of what this action does.
    
    Args:
        user_param1: User-provided parameter
        user_param2: Another user-provided parameter
        postmark_api_key: Postmark API key (injected)
        sender_email: Sender email (injected)
        
    Returns:
        Result of the action
    """
    logger.info("My feature action called")
    
    # Your implementation here
    result = f"Processed {user_param1} with value {user_param2}"
    
    logger.info("My feature action completed")
    return result

步骤2：添加新的依赖项（如果需要）

如果您的操作需要额外的服务（如天气API密钥），请将它们添加到 DEPENDENCIES 注册表在 src/mcp_tools.py:

DEPENDENCIES: dict[str, object] = {
    "postmark_api_key": api_key,
    "sender_email": from_email,
    "weather_api_key": os.getenv("WEATHER_API_KEY"),  # ← Add this
}

步骤3：重新启动服务器

就是这样！该操作会自动注册为 my_feature_tool.

行动示例

简单操作（无依赖关系）：

async def status_action() -> dict:
    """Get server status - needs no external dependencies."""
    return {"status": "ok", "version": "1.0.0"}

仅使用用户参数的操作：

async def greet_user_action(name: str, greeting: str = "Hello") -> str:
    """Greet a user - no server dependencies needed."""
    return f"{greeting}, {name}!"

使用服务器依赖关系的操作：

async def some_action(
    message: str,
    some_api_key: str,  # Injected because it's in DEPENDENCIES
) -> str:
    return f"Processed '{message}'"

使用自定义依赖项的操作：

async def fetch_weather_action(
    city: str,
    weather_api_key: str,   # Must be added to DEPENDENCIES first
) -> dict:
    """Fetch weather data using external API."""
    # Use weather_api_key to call external service
    return {"city": city, "temperature": "22°C"}

功能要求

命名约定：

函数名必须以结尾 _action （例如。， status_action)
注册的MCP工具将通过以下方式命名： _action 随着 _tool

参数：

用户参数：必须记录暴露于MCP客户的信息
依赖性参数：必须与中的名称匹配 DEPENDENCIES 注册表
键入提示：所有参数都需要
不 **kwargs：依赖关系作为显式命名参数传递

返回值：

可以返回任何可序列化的类型（str、dict、list等）
返回值将被发送回MCP客户端

异步函数：

必须是 async 功能使用 async def
可以使用 await 用于I/O操作

自动发现过程

服务器启动时：

这 register_tools() 函数填充 DEPENDENCIES 注册表（如果您的操作需要）
它扫描 src/actions/ Python模块包
它查找以结尾的异步函数 _action
对于每个操作，它都会检查函数签名
它创建了一个包装器，只注入操作请求的依赖关系
它将包装器注册为MCP工具

测试

# Run all tests
uv run python -m pytest tests/ -v

# Test action registration specifically
uv run python -m pytest tests/test_mcp_tools.py::TestRegisterTools -v

# Test individual actions

依赖项

httpx：HTTP客户端
mcp[cli]：模型上下文协议实现
小星星：web服务器的ASGI框架
优维康：ASGI服务器
python dotenv：环境变量加载
媒染剂设置：配置管理

许可证

该项目根据 MIT许可证.