AI导哈

智能工具调用服务器

基于Model Context Protocol (MCP)的服务器和客户端示例项目，支持自动调用数学计算、天气查询等工具，并提供交互式对话功能。

  • by BooboNikita
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 BooboNikita/mcp-server-demo

使用说明

MCP Server Demo

这是一个基于 Model Context Protocol (MCP) 的示例项目，展示了如何构建一个 MCP 服务器以及如何编写一个能够自动调用工具的智能客户端。

项目特点

  • MCP 服务器 (mcptools.py): 使用 FastMCP 构建，包含数学计算、天气查询等工具，以及动态生成的资源和提示词模板。
  • 智能客户端 (client.py):
    • 集成 Kimi (Moonshot AI) 大模型。
    • 自动工具调用: 客户端能够自动识别 LLM 的工具调用请求，执行本地工具并将结果返回给 LLM。
    • 交互式对话: 提供命令行界面，支持连续提问。
  • 依赖管理: 使用 uv 进行快速的依赖管理。

快速开始

1. 安装依赖

确保你已经安装了 Python 3.13+，建议使用 uv：

# 如果使用 uv
uv sync

# 或者使用 pip
pip install mcp[cli] langchain-openai langchain python-dotenv

2. 配置环境变量

在项目根目录创建 .env 文件，并配置你的 API 密钥。注意：请勿将 .env 文件提交到版本控制系统。

KIMI_API_KEY=你的_KIMI_API_KEY
KIMI_API_URL=https://api.moonshot.cn/v1

3. 运行项目

客户端会自动启动并连接服务器脚本。运行以下命令：

python client.py mcptools.py

连接成功后，你可以在 Query > 提示符下进行提问：

  • Query > 帮我计算 123 + 456
  • Query > 北京现在的天气怎么样？
  • Query > 退出 (输入 exit 或 quit)

服务器功能

可用工具 (Tools)

  • add(a, b): 加法计算。
  • subtract(a, b): 减法计算。
  • get_weather(city, unit): 查询指定城市的模拟天气。

可用资源 (Resources)

  • greeting://{name}: 获取个性化欢迎语。
  • file://documents/{name}: 读取模拟文档内容。
  • config://settings: 获取应用配置 JSON。

提示词模板 (Prompts)

  • greet_user(name, style): 根据风格生成欢迎提示词。

项目结构

  • mcptools.py: MCP 服务器实现。
  • client.py: 集成 LLM 的 MCP 客户端。
  • database.py: 数据库操作示例。
  • pyproject.toml: 项目配置与依赖说明。

许可证

MIT

相关 MCP