多客户端MCP协议工具

MCP多客户端

A. 用于与多个MCP（模型上下文协议）通信的Python客户端 服务器一次，建立在 langchain-mcp-adapters 和一个 Groq-托管 LLM连接到 stdio 和 streamable HTTP MCP服务器并排， 将他们的工具绑定到模型，并让它自动调用它们。船舶 有两个入口点：可脚本化的CLI演示和Streamlit聊天UI。

它的作用

• 多服务器MCP客户端 --连接到多个MCP服务器 同时通过 MultiServerMCPClient，混合 stdio （本地流程） 和 streamable_http （远程）传输在一个配置中。
• 自动工具绑定 --发现所有连接的工具 服务器并将其绑定到LLM，因此模型决定何时调用 什么工具。
• 有两种方法可以运行它：
  • client1.py --一个最小的CLI脚本：发送一个提示符，让LLM调用 如果需要，打印最终答案。
  • client2.py --具有完整对话历史记录的Streamlit聊天应用程序， 正确的工具消息顺序，没有叙述的“状态更新”填充。
• Groq主持法学硕士 --用途 ChatGroq (llama-3.1-8b-instant 默认情况下） 用于快速推理。

存储库布局

├── client1.py            # Minimal CLI: single prompt -> tool calls -> answer
├── client2.py             # Streamlit chat app (multi-turn, full tool loop)
├── main.py                # Default project entrypoint (scaffold placeholder)
├── pyproject.toml         # Project configuration
├── uv.lock                # Dependency lock file
└── README.md              # This file

快速入门

1.安装

git clone https://github.com/bhavuk1409/mcp-client.git
cd mcp-client

uv sync

2.配置

创造一个 .env 使用Groq API密钥提交：

GROQ_API_KEY=your_groq_api_key

编辑 SERVERS 顶部的字典 client1.py / client2.py 指向 在您自己的MCP服务器上——此仓库中的路径是 原作者的机器和 不会按原样工作:

SERVERS = {
    "math": {
        "transport": "stdio",
        "command": "/path/to/uv",
        "args": ["run", "fastmcp", "run", "/path/to/your/mcp_server/main.py"],
    },
    "expense": {
        "transport": "streamable_http",
        "url": "https://your-remote-mcp-server.example.com/mcp",
    },
}

3.跑步

CLI演示 --发送一个硬编码的提示并打印结果：

uv run python client1.py

简化聊天应用程序：

uv run streamlit run client2.py

运作原理

1. MultiServerMCPClient 连接到中的每台服务器 SERVERS 和电话 get_tools() 将他们的工具收集到一个列表中。
2. 这些工具与Groq LLM绑定 llm.bind_tools(tools).
3. 在用户提示下，LLM直接回答或返回一个或多个 tool_calls.
4. 每次工具调用都是通过以下方式执行的 tool.ainvoke(args)，结果如下 附加回对话中，如 ToolMessages
5. LLM将再次调用，并显示完整的历史记录（提示+工具结果） 以产生最终答案。

配置参考

许可证

麻省理工学院