AI导哈

MCP服务器测试环境

该项目提供了一个端到端可测试的MCP（Model Context Protocol）服务器环境，包括基于FastAPI的聊天机器人生成存根、MCP服务器和用于测试生成工具的客户端存根。

  • by DarnShure
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 darnshure/my_mcp_server

使用说明

my_mcp_server

该项目提供了一个端到端可测试的MCP（模型上下文协议）服务器环境，包括一个基于FastAPI的聊天机器人生成存根、一个MCP服务器和一个用于测试 generate 工具。主要重点是实现聊天机器人生成工作流程的轻松本地测试。

TLDR：此软件包负责llm摄入的端到端pdf预处理。

它为pdfplumber添加了几个功能

MCP服务器反馈机制 代理自适应pdf解析。 迭代进化框架。

项目结构

my_mcp_server/
├── [`chatbot_generation_stub.py`](chatbot_generation_stub.py )
├── [`client_stub.py`](client_stub.py )
├── common/
│   └── [`common/config.py`](common/config.py )
├── config/
│   └── [`config/custom_config.toml`](config/custom_config.toml )
├── [`main.py`](main.py )
├── [`run_all_test.sh`](run_all_test.sh )
├── [`run_inspector.sh`](run_inspector.sh )
├── [`run_mcp_server.sh`](run_mcp_server.sh )
├── [`server.py`](server.py )
├── [`pyproject.toml`](pyproject.toml )
└── ...

快速入门：端到端测试

测试整个管道的推荐方法，包括 generate 工具，就是使用 run_all_test.sh 脚本。此脚本将：

  1. 从中读取聊天机器人API端口 config/custom_config.toml.
  2. 等待聊天机器人API在配置的端口上可用。
  3. 启动聊天机器人API存根(chatbot_generation_stub.py).
  4. 启动MCP服务器(server.py).
  5. 启动MCP检查器(run_inspector.sh).
  6. （可选）运行客户端存根(client_stub.py)为了测试 generate 工具。
  7. 测试后清理所有后台进程。

如何跑步

  1. 安装依赖项
    请确保您已安装Python 3.10+和Node.js。
    安装Python依赖项：

    pip install -r requirements.txt

    或者，如果使用Poetry或PDM，请通过您喜欢的工具进行安装。

  2. 运行测试脚本
    从项目根目录执行：

    bash run_all_test.sh

    脚本将：

    • 等待聊天机器人API在 http://127.0.0.1:<port>/ （来自配置的端口）。
    • 启动所有必需的服务。
    • 安装后提示您继续。
    • （可选）运行客户端存根以测试 generate 工具。

  3. 测试 generate 工具
    客户存根(client_stub.py)连接到MCP服务器并调用 generate 该工具反过来调用聊天机器人API存根并打印结果。

配置

组件

备注

  • 该脚本假定所有命令(uv, npx等）在您的PATH中可用。
  • 对于自定义配置，请编辑 config/custom_config.toml.

有关每个组件的更多详细信息，请参阅

相关 MCP