AI外部连接协议

MCP服务器项目

该存储库包含模型上下文协议（MCP）服务器实现，演示了如何创建自定义工具和数据源并将其与AI应用程序集成。MCP是一个开源标准，使Claude或ChatGPT等AI应用程序能够以标准化的方式连接到外部系统、数据源和工具。

将MCP想象成AI应用程序的USB-C端口。正如USB-C提供了一种连接电子设备的标准化方式一样，MCP也提供了将AI应用程序连接到外部系统的标准化方法。这使得AI模型能够访问关键信息、执行任务，并与您的数据和工作流无缝交互。

包含内容

此存储库包含两个MCP服务器实现：

• 数学服务器：通过stdio传输提供基本的算术运算（加法和乘法）
• 天气服务器：通过流式http传输提供基于位置的天气信息
• 客户端演示：演示如何使用LangGraph和Groq的AI模型连接到两台服务器

入门指南

1. 安装依赖项: uv sync
2. 创建环境文件：添加您的 GROQ_API_KEY 到 .env
3. 激活虚拟环境: .\.venv\Scripts\activate （Windows）或 source .venv/bin/activate （Unix）
4. 运行演示: python client.py

客户将使用连接的MCP服务器演示数学计算和天气查询。数学服务器通过stdio传输在本地运行，而天气服务器使用HTTP传输，必须单独启动 python weather.py.

为什么MCP很重要

MCP实现了整个AI生态系统的强大集成：

• 开发者：在构建具有外部集成的AI应用程序时降低复杂性
• 人工智能应用：提供对各种数据源和工具的访问，以增强能力
• 最终用户：产生更强大的AI助手，可以访问您的数据并采取行动

使用MCP，您可以构建AI代理，访问您的Google日历和Notion，从Figma设计创建web应用程序，通过聊天分析企业数据库，甚至控制3D打印机和其他硬件——所有这些都是通过标准化协议完成的。

项目

下面是一个简单的、可扩展的表，列出了此存储库中包含的项目。为每个到达的新项目添加新行。

编号	项目	描述
1	mcp1	Math Server（stdio）、Weather Server（可流式传输的http）以及显示如何连接这两个服务器的客户端演示。
2	mcp2	基于FastAPI的web抓取API，将页面转换为LLM友好的Markdown（Crawl4AI），并将结果持久化到SQLite。
3	mcp3	基于FastAPI的后端和前端，使用MongoDB数据库；强大的MCP服务器，用于测试和生成项目代码库的文档。
4	mcp3	AI ORCHESTRA MCP SERVER，用于负载数据集和情感分析，并支持NLP，用于图形可视化和聚类自动化。
5	MCP_5	Manim渲染MCP服务器，执行Manim Python代码并返回由动画生成的视频/图像输出，而无需执行AI代码生成。