使用说明
模型上下文协议服务器
项目描述
本项目侧重于使用Python代码构建自定义模型上下文协议（MCP）服务器。该项目的灵感来自Dave Ebbelaar的 面向Python开发人员的MCP速成课程该项目不再使用依赖于Claude Desktop、Cursor或其他个人AI助理的个人MCP服务器。相反，该项目展示了如何将MCP构建到Python应用程序和代理系统中。我的项目产生了与 面向Python开发人员的MCP速成课程 当然，但在MCP工具的构建方面有所不同，特别是在将Gemini AI用于模型方面与OpenAI有所不同 _课程_Gemini AI模型的实现需要MCP协议实现的差异，但在大多数情况下，事件的总体流程遵循MCP标准所概述的相同通用方法。
这个项目很重要，因为它提供了如何构建可以在基于Python的应用程序中使用MCP的生产系统的理解。
此外，该项目只是了解更多关于这种广受欢迎的标准化协议的好方法。
项目的关键组成部分：
-
了解MCP的技术架构
-
使用Python软件开发工具包（SDK）构建自定义MCP服务器
- 我展示了一些使用MCP服务器的简单示例
STDIO和STREAMABLE-HTTP运输 - 我将展示如何为这些服务器构建客户端测试代码
- 我展示了MCP与简单的Python函数调用有何不同
- 我将展示如何构建Docker容器，以在本地和远程运行MCP服务器，就像在生产环境中一样。
- 我展示了一些使用MCP服务器的简单示例
-
将这些服务器集成到Python应用程序中
-
就何时以及如何使用MCP做出明智的决定
目标
该项目包含以下关键要素：
Docker为了将MCP服务器远程使用容器化，FastMCP使用标准化AI应用程序如何连接到数据和工具的模型上下文协议（MCP）简化服务器和客户端创建的Python框架，Gemini AI，我使用谷歌的高级人工智能模型（例如LLM）来生成各种类型的内容，包括与MCP服务器及其MCP工具、提示和资源结合使用的文本。gemini-2.5-flash我使用的生成式人工智能模型，Git（版本控制），MCP该协议标准化了AI应用程序如何连接到数据和工具，Node.jsJavaScript运行时环境，帮助运行MCP检查器，NPMNode包管理器Node.js的默认包管理器，Prompt Engineering为LLM提供关于如何检索信息的指令，Python标准模块，以及uv包管理，包括使用ruff用于裁剪和格式化。
技术栈
入门指南
以下是一些帮助您设置此项目的说明。
安装步骤
先决条件
获取代码——克隆Repo
-
克隆仓库（或将其作为zip文件下载）：
git clone https://github.com/beenlanced/ai_mcp_server.git -
创建名为的虚拟环境
.venv使用uvPython 3.12版本：uv venv --python=3.12 -
激活虚拟环境：
.venv在macOS和Linux上：
source .venv/bin/activate #mac在Windows上：
# In cmd.exe venv\Scripts\activate.bat -
使用安装软件包
pyproject.toml或（见特别注释部分）uv pip install -r pyproject.toml
运行代码
- 按照每个MCP目录中的说明操作MCP服务器和客户端。
参考文献
[1] MCP Python SDK
[2] FastMCP
[3] 基于Google Gemini 2.5 Pro的模型上下文协议（MCP）——深度学习（完整代码）
[4] 了解MCP基础知识 使用远程服务器
结束语
感谢您的光临。
给这个项目一颗星(⭐) 如果你喜欢它，或者它对你有帮助！
你已经 beenlanced! 😉
致谢
我要感谢所有为这个项目的发展和成功提供帮助的个人和组织。你的支持，无论是通过贡献、灵感还是鼓励，都是无价的。非常感谢。
具体而言，我要承认：
-
Dave Ebbelaar 的 面向Python开发人员的MCP速成课程
-
赫马·卡利扬·穆拉帕卡 和 贝尼托·马丁 感谢您分享他们的README.md模板，我是根据这些模板推导出我的README.mad的。
-
Astral的紫外线检测人员 文档
许可证
此项目根据MIT许可证获得许可-请参阅 许可证 详细信息文件
