AI导哈

MCP服务器功能集成工具

一个集成了多种功能（如数学计算、文件搜索、PDF/Office RAG、网页搜索摘要、SSE聊天机器人、函数调用等）的MCP服务器工具，适用于开发者和技术爱好者进行实验和学习。

  • by HSH-11
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 hsh-11/mcp_server

使用说明

配备Cursor AI的MCP服务器实验室

构建您自己的MCP服务器/实践集
将Cursor和MCP相结合，逐步实现各种工具（Math、文件搜索、PDF/Office RAG、Web搜索摘要、基于SSE的聊天机器人、Function Calling）。

另外，执行从Smidery加载MCP服务器的操作。

  • 顺序思维
  • 塔维利
  • 勇敢的搜索

本课程也将在ClaudeDesktop中进行实践。

使用API

  • OpenAI API
  • Tavily API：LLM的搜索API，用于实时获取和总结Web搜索结果
  • Brave Search API：一个安全、快速的搜索引擎，帮助您在不收集用户信息的情况下查找所需信息。
  • Google maps API:提供地图查看、寻路、周边搜索等功能

文件夹结构

MCP_Server/
  ├─ Call_Weather_API.py              # OpenAI Function Calling + OpenWeather API 데모
  ├─ Cursor/
  │  ├─ order.py                      # 주문 객체 생성 유틸
  │  └─ payment.py                    # 결제/배송/영수증 처리 유틸
  ├─ explorer-server/
  │  └─ main.py                       # C:/ 전체 파일명 검색 MCP 서버(File-Search)
  ├─ math-server/
  │  └─ math_server.py                # 사칙연산 도구 MCP 서버(Math)
  ├─ rag-server/
  │  ├─ main.py                       # PDF 기반 RAG MCP 서버(PDF-RAG)
  │  ├─ office.py                     # Word/Excel 기반 RAG MCP 서버(Office-RAG)
  │  ├─ 스마트팜.pdf
  │  └─ office/
  │     ├─ 미세먼지가 치매에 미치는 영향.docx
  │     ├─ 자동차_리뷰.xlsx
  │     ├─ 책_리뷰.xlsx
  │     └─ 한옥의 장점과 단점.docx
  ├─ test-server/
  │  ├─ function_calling.py           # LangChain Tool + OpenAI Functions 에이전트 데모
  │  ├─ main.py                       # 간단 인사 스크립트
  │  ├─ mcp_basic.py                  # 최소 MCP 서버(add) 예제
  │  ├─ mcp_client.py                 # SSE 클라이언트 예제(직접 함수 호출 데모 포함)
  │  ├─ mcp_sample.py                 # (샘플 예제 파일)
  │  ├─ mcp_server.py                 # GPT-4o MCP 서버(ask_gpt)
  │  ├─ pyproject.toml                # test-server 의존성 정의 예시
  │  ├─ sse_client.py                 # SSE 클라이언트: /sse 엔드포인트 접속
  │  └─ sse_server.py                 # FastAPI + MCP + SSE 서버(chatbot)
  └─ web-search-server/
     └─ main.py                       # Tavily 기반 웹 검색 요약 MCP 서버(WebSearch)

事前准备

  • 建议使用Python 3.11或更高版本
  • 安装必需的软件包
pip install -U \
  mcp \
  langchain langchain-openai langchain-community \
  chromadb \
  python-dotenv requests \
  pandas openpyxl python-docx \
  fastapi uvicorn

# 함수호출/날씨 데모에 필요
pip install -U openai
  • 环境变量（.env）设置示例
OPENAI_API_KEY=sk-...        # OpenAI 키
TAVILY_API_KEY=tvly-...      # Tavily 웹 검색 API 키

Cursor集成（MCP服务器注册）

c:\Users\user\.cursor\mcp.json 示例：

{
  "mcpServers": {
    "math-server": {
      "command": "C:/Users/user/anaconda3/python.exe",
      "args": ["C:/Users/user/MCP_Server/math-server/math_server.py"]
    },
    "rag-server": {
      "command": "C:/Users/user/anaconda3/python.exe",
      "args": ["C:/Users/user/MCP_Server/rag-server/main.py"]
    },
    "file-search": {
      "command": "C:/Users/user/anaconda3/python.exe",
      "args": ["C:/Users/user/MCP_Server/explorer-server/main.py"]
    },
    "office-server": {
      "command": "C:/Users/user/anaconda3/python.exe",
      "args": ["C:/Users/user/MCP_Server/rag-server/office.py"]
    },
    "web-search": {
      "command": "C:/Users/user/anaconda3/python.exe",
      "args": ["C:/Users/user/MCP_Server/web-search-server/main.py"]
    },
    "mcp-sequentialthinking-tools": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@xinzhongyouhai/mcp-sequentialthinking-tools",
        "--key",
        "key"
      ]
    },
    "brave-search": {
        "command": "npx",
        "args": [
            "-y",
            "@smithery/cli@latest",
            "run",
            "@smithery-ai/brave-search",
            "--key",
            "key",
            "--profile",
            "profile"
          ]
        }
  }
}

每个练习的执行和使用方法

1）Math MCP服务器（math-server/math_server.py)

  • 运行： python math-server/math_server.py
  • 工具
    • add(a, b) 添加
    • Subtract(a, b) 减号

2）文件搜索MCP服务器（explorer-server/main.py)

  • 运行： python explorer-server/main.py
  • 工具
    • find_file(keyword) →基本路线 C:/在中按文件名搜索。必要时源的 ROOT_DIR 可更改

3）PDF RAG MCP服务器（rag-server/main.py)

  • 运行： python rag-server/main.py
  • 工具
    • ask_pdf(query) → rag-server/스마트팜.pdf分割/嵌入后基于搜索的响应
  • 注意：要使用其他PDF，请使用源的 PDF_PATH 修改

4）Office RAG MCP服务器（rag-server/office.py)

  • 运行： python rag-server/office.py
  • 工具
    • ask_office(query) → rag-server/office/ 加载、拆分、嵌入我的整个Word/Excel文档并基于搜索进行响应
  • 所需软件包： pandas, openpyxl, python-docx

5）Web搜索摘要MCP服务器（web-search-server/main.py)

  • 运行： python web-search-server/main.py
  • 工具
    • web_search(query) →使用Tavily API搜索后的GPT摘要
  • 环境变量： TAVILY_API_KEY 需要，还需要OpenAI密钥
  • 型号：基本 gpt-4（摘要）。必要时 gpt-4o 可以更改为等

6）基于SSE的聊天机器人服务器/客户端（test-server/sse_server.py, test-server/sse_client.py)

  • 服务器运行： python test-server/sse_server.py → http://127.0.0.1:3000/sse
  • 客户端运行： python test-server/sse_client.py http://127.0.0.1:3000/sse
  • 工具
    • 服务器内部MCP工具 chat(input) →GPT-4o对话

7） OpenAI函数调用+代理실습

  • LangChain功能代理： python test-server/function_calling.py
    • 已注册 add/subtract 自动选择并运行工具
  • 调用OpenAI函数+天气API： python Call_Weather_API.py
    • 文件中 openai_api_key, weather_api_key 需要设置值

8） Claude桌面

  • 谷歌地图
  • 塔维利

9）其他样品

  • test-server/mcp_basic.py：最小MCP服务器（add）→ python test-server/mcp_basic.py
  • test-server/mcp_server.py：GPT-4o MCP服务器（ask_gpt）→ python test-server/mcp_server.py
  • test-server/mcp_client.py：简单呼叫演示（相同流程呼叫）→ python test-server/mcp_client.py

实践目标摘要

  • 了解如何创建MCP服务器和Cursor集成
  • 基于LangChain的RAG实现（PDF、Word/Excel）
  • 配置外部搜索API（Tavily）+LLM摘要管道
  • 通过服务器-客户端（SSE）实现基于流的MCP通信
  • https://smithery.ai/从中装入mcp服务器
  • 体验OpenAI Function Calling和工具选择代理

故障射击

  • OpenAI/Tavily密钥设置： .env在。 OPENAI_API_KEY, TAVILY_API_KEY 添加
  • Excel加载错误： openpyxl 需要安装（pip install openpyxl)
  • Chroma/嵌入错误： chromadb, langchain-community 验证和重新安装版本
  • Windows路径问题：验证执行路径/绝对路径； mcp.json检查的python路径

相关 MCP