AI导哈

模型上下文协议服务器

一个基础的MCP服务器实现，展示包括工具和资源在内的核心功能。

  • by AnubhavGupta11
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 anubhavgupta11/mcp_handson

使用说明

MCP服务器基本示例

这是一个模型上下文协议（MCP）服务器实现的基本示例，演示了包括工具和资源在内的核心功能。

设置步骤

  1. 初始化项目（转到任何本地文件夹并启动powershell或cmd）：
uv init mcp-server-basic
cd mcp-server-basic

  1. 创建虚拟环境并激活它

  uv venv
  .venv\Scripts\activate
  1. 安装依赖项：
uv add "mcp[cli]"

或

uv add -r requirements.txt

特性

服务器实现了以下功能：

工具

  • add(a: int, b: int)：将两个数字相加
  • subtract(a: int, b: int)：从第一个数字中减去第二个数字

资源

  • greeting://{name}：返回个性化问候语

运行服务器

要使用MCP Inspector运行服务器进行开发，请执行以下操作：

uv run mcp dev main.py

要正常运行服务器：

uv run mcp run

要在Claude桌面应用程序中安装服务器：

uv run mcp install main.py

MCP连接VS代码

  • 在vs代码中打开文件夹/mcp服务器基本
  • 打开终端并运行以下命令：
uv run main.py
  • 点击Cntrl+Shift+I启动聊天vs代码
  • 使用Github登录并设置
  • 请按照以下步骤进行操作（通过两种方式为vs代码用户设置添加mcp配置）：

观看演示

项目结构

  • main.py：使用工具和资源实现主服务器
  • pyproject.toml：项目配置和依赖关系

2.0通过MCP训练营实现代理人工智能和生成人工智能

立即注册

课程概述：

导师：Sourangshu Paul、Mayank Aggarwal、Krish和Sunny

开始日期：2025年5月10日

时间：印度标准时间上午8点至11点（周六和周日）

持续时间：4-5个月

本课程专为人工智能开发人员、机器学习工程师、数据科学家和软件工程师设计，他们希望在代理人工智能、多代理系统和人工智能驱动的自动化方面建立专业知识。无论你是人工智能代理的新手，还是有NLP和GenAI的经验，本课程都将为你提供大规模开发、部署和管理人工智能代理所需的知识和实践技能。在课程结束时，您将在代理人工智能框架、多代理协作、现实世界自动化和端到端人工智能部署方面打下坚实的基础，并通过现实世界的项目获得实践经验。

相关 MCP