使用说明

使用LlamaIndex构建您自己的本地MCP客户端

构建一个（系统/项目等）的全面演示 本地MCP（模型上下文协议）客户端 使用LlamaIndex。此项目使您能够连接到本地MCP服务器，并通过强大的工具调用代理，使用自然语言与它们进行交互——所有这些操作都在您的本地机器上完全运行。

🚀 概述

这个项目展示了：

本地MCP客户端 使用LlamaIndex进行实现
工具调用代理 能够与各种MCP服务器进行交互
支持多个大型语言模型（LLM）后端 （兼容OpenAI和Ollama）
SQLite 集成 通过MCP协议进行自然语言数据库查询
本地优先架构 确保隐私和离线功能

📋 先决条件

Python 3.8及以上版本
紫外线包管理器（推荐）
Ollama（如果使用Ollama后端）
本地LLM设置（如果使用OpenAI兼容的本地服务器）

⚡ 快速入门

1. 安装依赖项

uv sync

2. 启动MCP服务器

启动本地 SQLite MCP 服务器：

uv run server.py --server_type=sse

3. 与代理互动

运行后，在终端中输入您的自然语言查询。代理将智能地使用可用工具来回答您的问题。

🛠️ 项目结构

.
├── client.py              # OpenAI-compatible client
├── ollama_client.py       # Ollama-specific client
├── server.py             # MCP server implementation
├── pyproject.toml        # Project dependencies
└── README.md            # This file

🔧 配置

服务器类型

MCP服务器支持不同的传输协议：

sse - 服务器发送事件（推荐）
stdio - 标准输入/输出

环境变量

通过环境变量或直接在客户端文件中进行配置，来设置您的大型语言模型（LLM）端点。

💡 示例用法

一旦一切就绪，你可以提出诸如以下问题：

“显示数据库中的所有用户”
“顾客的平均年龄是多少？”
“查找上周下的订单”

代理将通过MCP协议自动使用可用的SQLite工具来执行这些查询，并返回自然语言的响应。

🔍 它的工作原理

MCP服务器通过模型上下文协议暴露工具（如SQLite数据库操作）
MCP 客户端连接到服务器并发现可用工具
LlamaIndex 代理利用工具调用功能来解析自然语言并执行相应的工具
**本地大型语言模型（Local LLM）**使用您的本地语言模型处理查询并生成响应

🐛 故障排除

在启动客户端之前，请确保您的MCP服务器正在运行
验证您的大型语言模型（LLM）端点是否可访问且配置正确
检查所有依赖项是否都已安装 uv sync
对于SQLite问题，请确保数据库文件存在且可访问

🤝 贡献（或参与贡献）

欢迎贡献！请随时提交拉取请求或报告错误和功能需求。

📄 许可证

这个项目是开源的，并且在以下许可下可用麻省理工学院许可证。

注这个项目旨在用于本地开发和实验，探索MCP协议以及本地大型语言模型（LLM）代理。