使用说明
主控程序🚀
MCP（模型上下文协议）
它不是什么：
- 建筑代理框架
- 代理商工作方式的根本改变
- 一种对代理进行编码的方法
它是什么：
- 协议-标准
- 集成工具、资源和提示的简单方法
- “用于AI应用的USB-C端口”
不兴奋的理由
- 这只是一个标准，不是工具本身
- LangChain已经拥有庞大的工具生态系统
- 您已经可以将任何函数转换为工具
重新感到兴奋
- 使集成无摩擦
- 它起飞了！爆炸性生态系统
- HTML也只是一个标准。
MCP核心概念
（三个组成部分）
- 主机 是像Claude或我们的Agent架构这样的LLM应用程序
- MCP客户端 位于主机内部，并以1:1的比例连接到MCP服务器
- MCP服务器 提供工具、上下文和提示
例子：
- Fetch是一个 MCP服务器 通过无头浏览器搜索网络
- 您可以配置 克劳德桌面（主机）运行MCP客户端，然后启动Fetch MCP服务器 在您的计算机上
笔记：
-
MCP服务器通常在您的计算机上运行。连接到远程MCP服务器不太常见。
-
两种“传输”机制： i。 标准输入输出 生成并通过标准输入/输出进行通信 ii。另一个是 SSE（服务器端事件） 使用HTTPS连接流媒体。（服务器将结果流式传输回LLM）。
iii.当我们使用远程MCP服务器时，SSE将非常有用 iv.在本地工作时，我们可以使用以下任何一种 标准输入输出 或 SSE
为什么要制作MCP服务器
- 允许他人整合工具和资源
- 始终如一地整合我们所有的MCP服务器
- 了解管道（螺母和螺栓）
原因 不 制作MCP服务器
- 如果它只适合我们，那么我们可以把工具做成@function_tool装饰器可以把任何函数变成工具。（如果我们使用MCP，它应该是更广泛的使用和共享工具）
参考文献
- https://modelcontextprotocol.io/introduction
- https://docs.cursor.com/context/model-context-protocol
- https://github.com/modelcontextprotocol/quickstart-resources
查看痕迹
https://platform.openai.com/traces
现在看看一些MCP市场
https://mcp.so
https://glama.ai/mcp
https://smithery.ai/
https://huggingface.co/blog/LLMhacker/top-11-essential-mcp-libraries
拥抱面对伟大的社区文章： https://huggingface.co/blog/Kseniase/mcp
模型上下文协议（MCP）有助于将由大型语言模型（LLM）驱动的AI代理应用程序连接到外部工具和数据源，从而实现更强大和上下文感知的AI系统。
原理🤔
此存储库使用独特的基于分支的结构进行学习：
- 每
project/*分支涵盖了特定的MCP功能或概念。 - 在每个分支中，提交按时间顺序排列。 按照提交的内容逐一学习主题。
只需查看您想学习的主题的分支，并浏览提交内容！
可用主题（分支）📚
以下是目前可用的主题：
project/sse：了解如何使用MCP实现服务器发送事件（SSE）。project/langchain-mcp-adapters：探索将MCP与LangChain适配器集成。project/docker-mcp：了解如何使用Docker将MCP应用程序容器化。
可能会添加更多主题，所以请注意！
先决条件🛠️
开始之前，请确保已安装以下内容：
- 🐍 Python（3.10或更高版本）
- 📦
uv（快速Python包安装程序和解析器） - ✨ 光标IDE
- ☁️ 克劳德桌面
入门指南▶️
- 克隆存储库：
git clone <> cd mcp-crash-course - 选择一个主题并查看分支：
# Example for the SSE topic git checkout project/sse - 遵循承诺： 使用
git log --oneline --reverse查看分支的按时间顺序排列的提交列表。然后，使用git checkout <commit_hash>或者你的Git客户端来浏览历史并学习。
贡献🤝
欢迎投稿！如果您想添加新主题或改进现有主题：
- 分叉存储库。
- 按照命名约定为特征创建新分支：
project/your-mcp-feature-name. - 做出改变，确保每次提交都代表学习过程中合乎逻辑的一步。
- 对打开Pull Request
main支。
