OpenAI向量存储交互工具

Python OpenAI游乐场+MCP

此存储库包含一个小型游乐场，演示如何运行本地MCP服务器并从客户端与之交互。它还包括一个在矢量存储中上传和搜索文档的简单示例。

先决条件

• Python 3.8+（推荐3.10或3.11）
• pip（或您首选的包管理器）
• ngrok（用于将本地MCP服务器暴露于互联网）
• 如果使用OpenAI SDK，则在您的环境中配置的OpenAI API密钥

快速启动——运行MCP服务器并用ngrok公开它

1. 在终端中启动MCP服务器（本例假设服务器监听端口8000）：

python3 mcp_server.py

2. 在第二个终端中，启动ngrok将HTTP流量转发到MCP服务器：

ngrok http 8000

3. ngrok启动后，它会打印一个或多个“转发”URL（例如 https://abcd1234.ngrok.io).复制HTTPS转发URL。

4. 更新 mcp_client.py 指向ngrok转发URL，并包含MCP服务器返回的访问令牌（如果您的设置需要）。典型的更新地点：

• mcp_client.py → set BASE_URL （或等效）到ngrok转发URL
• mcp_client.py → set access_token 或相当于MCP服务器打印的令牌

例如（伪）：

# mcp_client.py
BASE_URL = "https://abcd1234.ngrok.io"
ACCESS_TOKEN = "<paste-token-here>"

5. 运行客户端以练习MCP端点：

python3 mcp_client.py

矢量存储示例（上传和搜索文档）

此仓库还包含一个简单的示例(vector_store.py)演示如何上传文件（例如 policies.txt)转到矢量存储并运行文本搜索。

要上传文件并从CLI运行查询，请执行以下操作：

# upload a file and run the default query
python3 vector_store.py --file policies.txt

# upload a different file and run a custom query
python3 vector_store.py -f ./docs/handbook.txt -q "What is the vacation policy?"

如果您没有指定 --file，脚本将以交互方式提示您输入路径，并在尝试上传之前验证文件是否存在。

提示和注意事项

• 为项目使用虚拟环境（推荐）：

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

• 如果您计划上传多个文件，请选择单个矢量存储，并为每个块添加元数据（文件名、校验和、块id、标签），而不是为每个文件创建一个矢量存储。看 vector_store.py 和 search.py 例如如何处理搜索和上传。

• 如果MCP服务器需要身份验证，请确保 mcp_client.py 在运行之前，使用正确的令牌和URL进行更新。

故障排除

• 如果客户端无法访问MCP服务器：

  • 确认 mcp_server.py 正在端口8000上运行和侦听。
  • 确认ngrok正在运行，并且您已将HTTPS转发URL复制到 mcp_client.py.
  • 检查可能阻止ngrok的防火墙/防病毒或代理设置。

• 如果上传失败：

  • 验证文件路径和权限。
  • 检查脚本打印的SDK/neneneba API错误，以获取有关身份验证或速率限制的提示。