使用说明

🤖 MCP聊天机器人客户端

将Claude AI连接到无限MCP服务器

一个生产就绪的Python聊天机器人，利用 模型上下文协议 以动态地发现和使用来自任何MCP兼容服务器的工具。

🎯 MCP解决的问题

MCP之前：M×N积分问题

graph TB
    subgraph "5 AI Applications"
        A1[Claude Desktop]
        A2[VSCode]
        A3[Cursor]
        A4[Windsurf]
        A5[Custom App]
    end

    subgraph "10 Tools"
        T1[GitHub]
        T2[Slack]
        T3[Database]
        T4[FileSystem]
        T5[Web Search]
        T6[Email]
        T7[Calendar]
        T8[CRM]
        T9[Analytics]
        T10[Cloud Storage]
    end

    A1 -.Custom Integration.-> T1
    A1 -.Custom Integration.-> T2
    A1 -.Custom Integration.-> T3
    A2 -.Custom Integration.-> T1
    A2 -.Custom Integration.-> T4
    A3 -.Custom Integration.-> T5

    style A1 fill:#e1f5fe
    style A2 fill:#e1f5fe
    style A3 fill:#e1f5fe
    style T1 fill:#f3e5f5
    style T2 fill:#f3e5f5
    style T3 fill:#f3e5f5

    Note1[5 Apps × 10 Tools = 50 integrations 😱]

    style Note1 fill:#ffebee,stroke:#c62828,stroke-width:2px

使用MCP：M+N解决方案

graph LR
    subgraph "AI Applications"
        A1[Claude Desktop]
        A2[VSCode]
        A3[Cursor]
        A4[Custom App]
    end

    subgraph "MCP Protocol"
        MCP[Model Context Protocol]
    end

    subgraph "MCP Servers"
        S1[GitHub Server]
        S2[Slack Server]
        S3[FileSystem Server]
        S4[Web Search Server]
    end

    A1 --> MCP
    A2 --> MCP
    A3 --> MCP
    A4 --> MCP

    MCP --> S1
    MCP --> S2
    MCP --> S3
    MCP --> S4

    style MCP fill:#4caf50,stroke:#2e7d32,stroke-width:3px,color:#fff
    style A1 fill:#e1f5fe
    style A2 fill:#e1f5fe
    style A3 fill:#e1f5fe
    style A4 fill:#e1f5fe
    style S1 fill:#f3e5f5
    style S2 fill:#f3e5f5
    style S3 fill:#f3e5f5
    style S4 fill:#f3e5f5

    Note2[4 Apps + 4 Servers = 8 integrations 🎉]

    style Note2 fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px

MCP就像AI的USB -使AI集成即插即用的通用标准！

✨ 特征

🔌 多服务器架构

通过动态发现同时连接到无限MCP服务器

🎯 零配置

通过JSON配置添加新服务器-无需更改代码

🤖 克劳德AI供电

利用Anthropic的最新模型和工具调用

⚡ AsyncExitStack模式

用于生产的可扩展异步架构

🛡️ 坚固耐用

单个服务器故障不会导致应用程序崩溃

🔒 设计安全

环境变量、沙盒文件访问、API密钥保护

🏗️ 建筑

系统概述

flowchart TB
    User([👤 User])

    subgraph ChatBot["🤖 MCP Chatbot Client"]
        Config[📋 Load server_config.json]
        Launch[🚀 Launch MCP Servers]
        Discover[🔍 Discover Tools]
        Chat[💬 Interactive Chat Loop]

        Config --> Launch
        Launch --> Discover
        Discover --> Chat
    end

    subgraph Servers["MCP Servers (Subprocesses)"]
        FS[📁 Filesystem Server<br/>Node.js via npx]
        Fetch[🌐 Fetch Server<br/>Python via uvx]
        PDF[📄 PDF Reader Server<br/>Python via uvx]
        Custom[🔧 Custom Servers<br/>Your tools]
    end

    subgraph Claude["🧠 Claude AI"]
        API[Anthropic API<br/>claude-sonnet-4-6]
    end

    User <-->|Natural Language| Chat
    Chat <-->|Messages + Tools| API
    Chat -->|Tool Calls| FS
    Chat -->|Tool Calls| Fetch
    Chat -->|Tool Calls| Custom

    FS -->|Results| Chat
    Fetch -->|Results| Chat
    Custom -->|Results| Chat

    style ChatBot fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
    style Servers fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
    style Claude fill:#fff3e0,stroke:#f57c00,stroke-width:2px
    style User fill:#e8f5e9,stroke:#388e3c,stroke-width:2px

对话流程

sequenceDiagram
    participant User
    participant Chatbot
    participant Claude
    participant MCPServer as MCP Server<br/>(filesystem)

    User->>Chatbot: "Read the README.md file"

    Chatbot->>Claude: Send message + available tools
    Note over Claude: Analyzes request<br/>Decides to use read_file

    Claude->>Chatbot: Tool call: read_file(path="README.md")

    Chatbot->>MCPServer: Execute: read_file
    Note over MCPServer: Reads file from disk

    MCPServer->>Chatbot: File content

    Chatbot->>Claude: Tool result + content
    Note over Claude: Processes result<br/>Generates response

    Claude->>Chatbot: Final response

    Chatbot->>User: "I've read your README..."

    rect rgb(200, 255, 200)
    Note over User,MCPServer: ✅ Complete conversation with tool usage
    end

🚀 快速开始

先决条件

Python 3.13+
Node.js 18+ （适用于基于npx的服务器）
紫外线 包管理器
无烟煤API密钥

安装

# Clone the repository
git clone https://github.com/yourusername/mcp-chatbot-client.git
cd mcp-chatbot-client

# Install dependencies
uv sync

# Configure API key
echo "ANTHROPIC_API_KEY=your_api_key_here" > .env

# Run!
uv run python main.py

首次运行输出

🚀 Setting up MCP Chatbot...
==================================================
✅ Loaded configuration from server_config.json
📋 Found 3 server(s)

🔌 Connecting to 'filesystem' server...
✅ Connected to 'filesystem' with 14 tool(s)

🔌 Connecting to 'fetch' server...
✅ Connected to 'fetch' with 1 tool(s)

🔌 Connecting to 'pdf-reader' server...
✅ Connected to 'pdf-reader' with 3 tool(s)

==================================================
✅ Setup complete! 18 total tools available
==================================================

🤖 MCP Chatbot Ready!

You: _

💬 用法

交互式命令

命令	描述
`tools`	查看连接服务器上的所有可用工具
`quit` 或 `exit`	优雅地退出聊天机器人
`<natural language>`	使用MCP工具与Claude聊天

对话示例

📖 读取文件

You: Read the README.md file

🔧 Calling tool 'read_file' with args: {'path': 'README.md'}
✅ Tool executed

Claude: I've read your README.md file. It describes an MCP chatbot
        client that connects Claude AI to external MCP servers...

🌐 获取Web内容

You: Fetch https://www.anthropic.com and summarize the content

🔧 Calling tool 'fetch' with args: {'url': 'https://www.anthropic.com'}
✅ Tool executed

Claude: Anthropic is an AI safety company. Their website describes their
        mission to build reliable, interpretable, and steerable AI systems...

📝 多步操作

You: List all Python files in this directory, then create a summary document

🔧 Calling tool 'list_directory' with args: {'path': '.'}
✅ Tool executed

🔧 Calling tool 'write_file' with args: {'path': 'summary.txt', ...}
✅ Tool executed

Claude: I've analyzed the directory and created summary.txt with details
        about all 3 Python files found...

⚙️ 配置

服务器配置文件

创建 server_config.json 在项目根目录中：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "."],
      "env": {}
    },
    "fetch": {
      "command": "uvx",
      "args": ["--quiet", "mcp-server-fetch"],
      "env": {}
    },
    "pdf-reader": {
      "command": "uvx",
      "args": ["mcp-pdf-reader"]
    }
  }
}

配置架构

graph TD
    Config[server_config.json]

    Config --> Servers[mcpServers Object]

    Servers --> Server1[Server 1<br/>e.g., 'filesystem']
    Servers --> Server2[Server 2<br/>e.g., 'fetch']
    Servers --> ServerN[Server N<br/>e.g., 'custom']

    Server1 --> Cmd1[command: string]
    Server1 --> Args1[args: array]
    Server1 --> Env1[env: object<br/>optional]

    style Config fill:#fff3e0,stroke:#f57c00,stroke-width:3px
    style Servers fill:#e1f5fe,stroke:#0277bd,stroke-width:2px
    style Server1 fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
    style Server2 fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
    style ServerN fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px

添加更多服务器

只需更新JSON，无需更改代码！

{
  "mcpServers": {
    "filesystem": {...},
    "fetch": {...},
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "your_api_key"
      }
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "your_token"
      }
    }
  }
}

可用的MCP服务器

探索 MCP服务器注册表:

服务器	描述	提供者
📁 文件系统	文件操作（读、写、列表）	人为
🌐 获取	网络内容为降价	拟人化
📄 pdf阅读器	提取PDF文本/OCR	社区
🔍 勇敢的搜寻	网络搜索	人类学
🐙 GitHub	存储库管理	Anthropic
📊 SQLite	数据库查询	Anthropic
💬 松弛	团队沟通	社区
🐘 Postgres	PostgreSQL访问	社区

🎨 关键设计模式

AsyncExitStack模式

问题： 无法在嵌套的循环中动态管理异步上下文 async with 阻碍。

解决方案：

graph LR
    subgraph "Traditional Nested (❌ Doesn't Scale)"
        N1[async with server1:]
        N2[async with server2:]
        N3[async with server3:]
        N1 --> N2
        N2 --> N3
        N3 --> Loop1[chat_loop]

        Note1[Nesting depth = # of servers]

        style N1 fill:#ffebee
        style N2 fill:#ffebee
        style N3 fill:#ffebee
        style Note1 fill:#ffebee,stroke:#c62828
    end

    subgraph "AsyncExitStack (✅ Scalable)"
        S1[async with AsyncExitStack]
        S2[for server in servers:<br/>stack.enter_async_context]
        S1 --> S2
        S2 --> Loop2[chat_loop]

        Note2[Constant depth = 2<br/>Unlimited servers!]

        style S1 fill:#e8f5e9
        style S2 fill:#e8f5e9
        style Loop2 fill:#e8f5e9
        style Note2 fill:#e8f5e9,stroke:#2e7d32
    end

实施：

async def connect_to_servers_and_run(self):
    async with AsyncExitStack() as stack:
        # Dynamically add unlimited servers
        for server_name, config in servers.items():
            read, write = await stack.enter_async_context(
                stdio_client(server_params)
            )
            session = await stack.enter_async_context(
                ClientSession(read, write)
            )
            # All contexts stay alive!

        # Run chat with all servers connected
        await self.chat_loop()

💰 成本优化

模型比较

graph TB
    subgraph Models["Claude Models"]
        Haiku[⚡ Haiku 4.5<br/>$1 / $5 per MTok<br/>Fast & Cheap]
        Sonnet[🚀 Sonnet 4.5<br/>$3 / $15 per MTok<br/>Balanced]
        Opus[🎯 Opus 4<br/>$15 / $75 per MTok<br/>Premium]
    end

    subgraph Usage["Use Cases"]
        Dev[🧪 Testing &<br/>Development]
        Prod[🏭 Production<br/>Applications]
        Premium[💎 Critical<br/>Tasks]
    end

    Haiku -.->|Recommended| Dev
    Sonnet -.->|Recommended| Prod
    Opus -.->|Recommended| Premium

    style Haiku fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px
    style Sonnet fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
    style Opus fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px

    Note[💡 Haiku is 67% cheaper than Sonnet!]
    style Note fill:#fff3e0,stroke:#f57c00,stroke-width:2px

切换模型

在 chatbot.py，更改单曲 MODEL 文件顶部的常量：

# Default (balanced quality/cost):
MODEL = "claude-sonnet-4-6"

# For testing (cheaper):
MODEL = "claude-haiku-4-5-20251001"

# For critical tasks (highest quality):
MODEL = "claude-opus-4-8"

成本节约示例：

使用Haiku进行1000次查询：约10美元
使用Sonnet进行1000次查询：约30美元
节省：20美元（便宜67%！）

📁 项目结构

mcp-chatbot-client/
│
├── 📄 chatbot.py              # Core MCP chatbot implementation
├── 📄 main.py                 # Application entry point
│
├── ⚙️  server_config.json     # MCP server configuration
├── 🔐 .env                    # API keys (gitignored)
│
├── 📋 pyproject.toml          # Python dependencies
├── 🔒 uv.lock                 # Locked dependency versions
│
├── 📖 README.md               # This file
└── 📘 GUIDE.md                # Detailed learning guide

🧪 发展

测试单个服务器

# Test filesystem server
npx -y @modelcontextprotocol/server-filesystem .

# Test fetch server
uvx --quiet mcp-server-fetch

构建自定义MCP服务器

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-custom-server")

@mcp.tool()
def process_text(text: str) -> str:
    """Process text and return result"""
    return f"Processed: {text.upper()}"

if __name__ == "__main__":
    mcp.run()

添加到配置：

{
  "my-server": {
    "command": "uv",
    "args": ["run", "my_server.py"]
  }
}

🐛 故障排除

常见问题

❌ "ANTHROPIC_API_KEY not found"

解决方案：

# Create .env file with your key
echo "ANTHROPIC_API_KEY=sk-ant-..." > .env

# Verify it's not tracked by git
git status  # .env should not appear

❌ "npx: command not found"

解决方案：

# Ubuntu/Debian
sudo apt install nodejs npm

# macOS
brew install node

# Windows
# Download from nodejs.org

❌ "Failed to parse JSONRPC message"

解决方案： 添加 --quiet 用于抑制npm输出的标志：

{
  "fetch": {
    "command": "uvx",
    "args": ["--quiet", "mcp-server-fetch"]
  }
}

🤝 贡献

我们欢迎捐款！以下是如何参与其中：

graph LR
    A[🍴 Fork Repo] --> B[🌿 Create Branch]
    B --> C[💻 Make Changes]
    C --> D[✅ Test Changes]
    D --> E[📝 Commit]
    E --> F[⬆️ Push]
    F --> G[🔄 Open PR]

    style A fill:#e8f5e9,stroke:#2e7d32
    style B fill:#e3f2fd,stroke:#1976d2
    style C fill:#fff3e0,stroke:#f57c00
    style D fill:#f3e5f5,stroke:#7b1fa2
    style E fill:#fce4ec,stroke:#c2185b
    style F fill:#e0f2f1,stroke:#00897b
    style G fill:#e8eaf6,stroke:#3949ab

贡献方式

🐛 报告Bug -公开详细问题
💡 建议功能 -分享你的想法
📖 改进文档 -帮助他人学习
🔧 提交拉取请求 -修复错误，添加功能
⭐ 为存储库添加星号 -表示支持

代码规范

跟随 PEP 8 风格指南
添加 类型提示 功能
包含 文档字符串 对于类和方法
写 清除提交消息
添加测试对于新功能

📚 资源

官方文档

资源	描述
MCP文件	完整的协议规范
开发包	官方Python实现
无烟煤API	Claude API文件
服务器注册表	可用的MCP服务器

学习资源

🎓 深度学习。人工智能课程 -完成MCP课程
📖 MCP快速入门 -快速开始
💬 社区论坛 -提问

🎓 你将学到什么

mindmap
  root((MCP Chatbot<br/>Client))
    MCP Protocol
      Client Architecture
      Server Communication
      Tool Discovery
      JSON-RPC 2.0
    Python Async
      AsyncExitStack
      Context Managers
      Concurrent Operations
    AI Integration
      Claude API
      Tool Calling
      Conversation Management
    Production Skills
      Error Handling
      Configuration Management
      Security Best Practices
      Scalable Design

📊 项目统计

度量	值
代码行	~270
依赖项	3个核心包
支持的服务器	无限制♾️
工具发现	自动🤖
设置时间	<5分钟⚡
可扩展性	生产就绪🚀

📝 许可证

该项目根据 MIT许可证 -看看许可证文件以获取详细信息。

🙏 致谢

人类 -适用于Claude AI和MCP协议
深度学习。人工智能 -对于综合MCP课程
MCP社区 -用于参考实现和社区服务器
贡献者 -感谢您对这个项目的改进！

🌟 明星历史

如果这个项目对你有帮助，请主演！ ⭐

它帮助其他人发现项目并激励持续开发。

📬 支持与联系

频道	链接
🐛 问题	GitHub问题
💬 讨论	GitHub讨论
📧 电子邮件	jorgegoco70@gmail.com
🎓 课程	MCP：用Anthropic构建丰富的上下文AI应用程序

内置于❤️ 使用模型上下文协议

MCP是用于AI的USB-一种协议，无限可能

⬆ 返回页首

使用说明

🤖 MCP聊天机器人客户端

将Claude AI连接到无限MCP服务器

🎯 MCP解决的问题

MCP之前：M×N积分问题

使用MCP：M+N解决方案

✨ 特征

🔌 多服务器架构

🎯 零配置

🤖 克劳德AI供电

⚡ AsyncExitStack模式

🛡️ 坚固耐用

🔒 设计安全

🏗️ 建筑

系统概述

对话流程

🚀 快速开始

先决条件

安装

首次运行输出

💬 用法

交互式命令

对话示例

📖 读取文件

🌐 获取Web内容

📝 多步操作

⚙️ 配置

服务器配置文件

配置架构

添加更多服务器

可用的MCP服务器

🎨 关键设计模式

AsyncExitStack模式

💰 成本优化

模型比较

切换模型

📁 项目结构

🧪 发展

测试单个服务器

构建自定义MCP服务器

🐛 故障排除

常见问题

🤝 贡献

贡献方式

代码规范

📚 资源

官方文档

学习资源

🎓 你将学到什么

📊 项目统计

📝 许可证

🙏 致谢

🌟 明星历史

📬 支持与联系

相关 MCP

小红书MCP服务

Figma MCP集成工具

MCP 协议测试服务器

Flomo笔记服务

Unity编辑器AI集成插件

科学研究的开源MCP服务器