AI导哈

模型上下文协议服务器

MCP服务器是轻量级的工具调用后端，为大型语言模型提供结构化访问外部能力的功能。

  • by asfandyar-prog
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 asfandyar-prog/mcp-servers

使用说明

🔌 MCP服务器

从头开始构建的生产级MCP服务器——将LLM连接到现实世界的工具。

概述 • 服务器 • 入门指南 • 建筑 • 连接

🧠 概述

此存储库包含越来越多的 模型上下文协议（MCP）服务器 --轻量级的工具调用后端，为Claude等LLM提供对外部功能的结构化访问。

MCP对AI代理来说就像REST对web应用程序一样： 标准化协议 用于向语言模型公开工具、资源和提示。

LLM Client (Claude Desktop / Cursor)
        │
        │  JSON-RPC over stdio / SSE
        ▼
  MCP Server (this repo)
        │
        ▼
  Tool Logic (APIs, math, files, databases...)

📦 服务器

服务器 描述 工具 状态
my-first-mcp-server 使用FastMCP的计算器服务器 add ✅ 完成
更多即将到来。.. 🔧 进行中

🚀 入门指南

先决条件

  • Python 3.10+
  • pip install mcp

克隆仓库

git clone https://github.com/asfandyar-prog/mcp-servers.git
cd mcp-servers

运行服务器

cd my-first-mcp-server
python fastmcp_calculator.py

⚠️ 直接在终端中运行将显示JSON错误——这是 预期.MCP服务器被设计为与MCP客户端通信，而不是与终端通信。看 连接到克劳德桌面 在......下面

🏗 建筑

每个服务器都遵循以下结构：

mcp-servers/
├── my-first-mcp-server/
│   └── fastmcp_calculator.py   # FastMCP server with tool definitions
├── README.md

如何定义工具

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-first-server")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

mcp.run()

就是这样——FastMCP自动处理所有JSON-RPC管道。

🖥 连接到克劳德桌面

使用任何服务器 克劳德桌面，将其添加到您的配置文件中：

地点： C:\Users\<YOU>\AppData\Roaming\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "calculator": {
      "command": "python",
      "args": ["C:\\Users\\<YOU>\\mcp-servers\\my-first-mcp-server\\fastmcp_calculator.py"]
    }
  }
}

重新启动克劳德桌面→ 寻找🔨 锤图标→ 你的工具是活的。

🔗 相关存储库

更广泛的人工智能工程组合的一部分：

👤 作者

阿斯凡德·亚尔 --AI工程师|多代理系统| LLM基础设施

Built with ☕ in Debrecen, Hungary

相关 MCP