使用说明

🧠 模型上下文协议（MCP）——本地与部署集成

一个全面的合集 模型上下文协议（MCP） 用……构建的服务器 FastMCP，展示如何创建、集成和部署能够与大型语言模型（LLM）如（此处可具体指明模型名称，但原文未给出）无缝协作的AI驱动工具 克劳德， GPT-4，以及 双子座。

🚀 功能

这个项目包括 4台已准备好投入生产的MCP服务器：

🌦️ 天气服务器 - 来自国家气象局的实时天气数据和警报
📊 Google 电子表格服务器 - 完整的电子表格自动化与管理
💰 支出追踪器 - 基于SQLite的个人财务管理
📚 知识库（RAG） - 简单的检索增强生成系统

📋 先决条件

Python 3.13及以上版本 （必填）
紫外线 - 快速Python包安装器（推荐）
Git（一种分布式版本控制系统） - 用于版本控制
OpenAI API密钥 或者 Groq API密钥 （为客户）

对于Google Sheets服务器：

启用Sheets API的Google云项目
服务帐户凭据JSON文件

🛠️ 安装

1. 克隆仓库

git clone https://github.com/Marufakamallabonno/mcp-poc.git
cd MCP-CRASH-Course

2. 安装 uv（如果尚未安装）

Windows（PowerShell）：

irm https://astral.sh/uv/install.ps1 | iex

macOS/Linux：

curl -LsSf https://astral.sh/uv/install.sh | sh

3. 同步依赖项

uv sync

这将安装所有必需的软件包 pyproject.toml.

⚙️ 配置

1. MCP服务器配置

主配置文件位于 server/mcpconfig.json 如果你想在本地使用它，请根据需要更新路径：

{
  "mcpServers": {
    "weather": {
      "command": "uv",
      "args": ["run", "--with", "mcp[cli]", "mcp", "run", "path/to/weather.py"]
    },
    "google_sheets": {
      "command": "uv",
      "args": ["run", "--with", "google-api-python-client", "--with", "google-auth", "--with", "google-auth-oauthlib", "--with", "mcp[cli]", "mcp", "run", "path/to/google_sheet.py"],
      "env": {
        "SERVICE_ACCOUNT_PATH": "path/to/your/service-account.json",
        "SPREADSHEET_ID": "your-spreadsheet-id"
      }
    },
    "expense_tracker": {
      "command": "uv",
      "args": ["run", "--with", "mcp[cli]", "mcp", "run", "path/to/expense_tracker.py"]
    },
    "rag": {
      "command": "uv",
      "args": ["run", "--with", "mcp[cli]", "mcp", "run", "path/to/rag.py"]
    }
  }
}

2. 环境变量

创建一个 .env 项目根目录中的文件：

OPENAI_API_KEY=your_openai_api_key_here
# OR
GROQ_API_KEY=your_groq_api_key_here

3. Google Sheets 设置（可选）

如果使用Google Sheets服务器：

首选 Google Cloud 控制台
创建一个新项目或选择现有项目
启用 Google Sheets API 并且 谷歌云端硬盘API
创建一个 服务账户
下载凭证JSON文件
把它放在 server/keys/ 目录
更新路径中的 mcpconfig.json

4. 知识库设置（可选）

编辑 server/data/kb.json 添加您的问答对：

[
  {
    "question": "What is MCP?",
    "answer": "Model Context Protocol is a standard for AI tools..."
  }
]

🎯 使用方法

选项1：与大型语言模型（LLM）交互的客户端

运行连接所有MCP服务器的交互式聊天客户端：

cd MCP-CRASH-Course
uv run server/client.py

这将启动一个交互式聊天会话，在其中您可以：

询问任何地点的天气情况
管理Google表格
追踪费用
查询知识库

示例对话：

You: What's the weather in San Francisco?
You: Create a new spreadsheet called "Budget 2025"
You: Add an expense of $50 for groceries today
You: What is MCP?

选项2：测试单个服务器

独立测试每个MCP服务器：

# Weather Server
uv run --with mcp[cli] mcp dev server/weather.py

# Google Sheets Server
uv run --with google-api-python-client --with google-auth --with google-auth-oauthlib --with mcp[cli] mcp dev server/google_sheet.py

# Expense Tracker
uv run --with mcp[cli] mcp dev server/expense_tracker.py

# Knowledge Base
uv run --with mcp[cli] mcp dev server/rag.py

选项3：与Claude桌面版配合使用

复制 server/mcpconfig.json 到Claude的配置目录：
- Windows： %APPDATA%\Claude\claude_desktop_config.json
- macOS（苹果电脑操作系统）： ~/Library/Application Support/Claude/claude_desktop_config.json
- Linux： ~/.config/Claude/claude_desktop_config.json
重启Claude桌面版
MCP 工具将出现在 Claude 的工具菜单中

📦 可用的MCP服务器

1. 天气服务器（`weather.py`)

工具：

get_alerts - 获取美国某州的天气警报
get_forecast - 获取坐标位置的天气预报
额外的天气相关工具

示例：

# Get weather alerts for California
get_alerts(state="CA")

2. Google 电子表格服务器（`google_sheet.py`）

工具：

get_sheet_data - 从工作表中读取数据
update_cells - 更新单元格值
batch_update_cells - 一次性更新多个范围
create_spreadsheet - 创建新的电子表格
create_sheet - 添加新的工作表标签
list_sheets - 列出电子表格中的所有工作表
list_spreadsheets - 列出云端硬盘中的所有电子表格
copy_sheet - 在电子表格之间复制工作表
rename_sheet - 重命名工作表标签
add_rows / add_columns - 添加尺寸
share_spreadsheet - 与用户分享
get_sheet_formulas - 提取公式
get_multiple_sheet_data - 批量读取操作
get_multiple_spreadsheet_summary - 多工作表汇总

资源：

spreadsheet://{spreadsheet_id}/info - 获取电子表格的元数据

3. 支出追踪器（`expense_tracker.py`)

工具：

add_expense - 添加一项新费用
get_expenses - 按日期范围检索费用
update_expense - 修改现有费用
delete_expense - 删除一项费用
get_summary - 按类别获取支出汇总
export_expenses - 导出为CSV/JSON格式

数据库： 使用 SQLite（expense.db) 用于持久存储

4. 知识库RAG（检索增强生成）`rag.py`)

工具：

get_knowledge_base - 提取所有问答对
search_knowledge - 搜索特定主题
add_knowledge - 添加新的问答对

数据： 储存在 server/data/kb.json

🔧 故障排除

JSON解析错误

问题： SyntaxError: Unexpected token... is not valid JSON

解决方案： 当MCP服务器使用时会发生这种情况 print() 声明。使用 sys.stderr.write() 相反：

import sys
# Instead of: print("message")
sys.stderr.write("message\n")

文件锁定错误

问题： The process cannot access the file because it is being used by another process

解决方案：

关闭Claude Desktop或任何MCP客户端
终止正在运行的Python进程
删除 .venv 并且运行 uv sync 再次

Google Sheets 认证

问题： 权限被拒绝或配额已超出

解决方案：

验证服务账户的JSON是否有效
将您的电子表格与服务帐户电子邮件共享
在云端控制台中启用Google Sheets API
检查驱动器存储配额

模块未找到

问题： ModuleNotFoundError: No module named 'X'

解决方案：

uv sync  # Reinstall all dependencies

🎓 学习资源

🤝 贡献

欢迎投稿！请随时：

添加新的MCP服务器
改进现有工具
修复漏洞
更新文档

📝 许可证

这个项目是开源的，并且遵循以下许可协议提供麻省理工学院许可证。

🙏 致谢

使用……构建 FastMCP
由……提供支持/驱动模型上下文协议
来自天气数据的国家气象局API

📧 联系方式

如需提问或寻求支持，请在GitHub上提交一个议题。

快乐的MCP大楼！ 🚀（火箭发射或快速前进的符号，无具体文字对应，可意译为“火箭升空”或“飞速前进”等，根据上下文具体使用）

使用说明

🧠 模型上下文协议（MCP）——本地与部署集成

🚀 功能

📋 先决条件

对于Google Sheets服务器：

🛠️ 安装

1. 克隆仓库

2. 安装 uv（如果尚未安装）

3. 同步依赖项

⚙️ 配置

1. MCP服务器配置

2. 环境变量

3. Google Sheets 设置（可选）

4. 知识库设置（可选）

🎯 使用方法

选项1：与大型语言模型（LLM）交互的客户端

选项2：测试单个服务器

选项3：与Claude桌面版配合使用

📦 可用的MCP服务器

1. 天气服务器（weather.py)

2. Google 电子表格服务器（google_sheet.py）

3. 支出追踪器（expense_tracker.py)

4. 知识库RAG（检索增强生成）rag.py)

🔧 故障排除

JSON解析错误

文件锁定错误

Google Sheets 认证

模块未找到

🎓 学习资源

🤝 贡献

📝 许可证

🙏 致谢

📧 联系方式

相关 MCP

ChatGPT交互工具

Loki日志查询服务

Genkit MCP 集成插件

WHOIS查询服务

运行时参数注入工具

天气MCP服务器

1. 天气服务器（`weather.py`)

2. Google 电子表格服务器（`google_sheet.py`）

3. 支出追踪器（`expense_tracker.py`)

4. 知识库RAG（检索增强生成）`rag.py`)