AI导哈

MCP服务器实现

一个简单的MCP服务器项目，展示了使用FastMCP、LangChain和uv进行本地和远程MCP服务器设置。

  • by Omkar4141
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Omkar4141/test_mcp_server

使用说明

test_mcp_server

一个简单的 MCP（模型上下文协议）服务器 展示两者的项目 本地 和 远程 MCP服务器设置使用 FastMCP, LangChain，以及 紫外线.

需求

  • Python 3.9+
  • pip
  • uv

首次设置

1.安装 uv

pip install uv

2.导航到项目目录

cd test_mcp_server

3.使用初始化项目 uv

uv init .

4.添加FastMCP

uv add fastmcp

本地MCP服务器设置

1.创建本地服务器文件

创建一个名为的文件：

local_server.py

此文件包含您的MCP服务器实现。

2.添加所需的依赖关系

uv add langchain langchain-openai langchain_mcp_adapters

3.创建客户端

创建客户端文件：

client.py

4.使用STDIO运行本地服务器

本地MCP服务器通过以下方式进行通信 工作室.

运行客户端：

uv run client.py

远程MCP服务器设置

1.创建MCP工具

  • 为远程服务器定义MCP工具
  • 确保它们与FastMCP Cloud兼容

2.部署到FastMCP云

  • 将服务器部署到 FastMCP云
  • 获取远程服务器配置

3.更新配置

  • 将远程MCP服务器配置添加到配置文件中
  • 用远程服务器端点替换本地STDIO设置

4.使用远程服务器运行客户端

uv run client.py

备注

  • 本地服务器使用 工作室 用于通信
  • 远程服务器在上运行 FastMCP云
  • uv 处理依赖关系管理和执行
  • 通过更改配置，同一客户端可用于本地和远程服务器

远程MCP服务器部署（FastMCP云）

GitHub访问

  • GitHub存储库访问权限已授予 FastMCP云
  • FastMCP Cloud直接从存储库中提取源代码

部署步骤

  1. 为远程服务器创建MCP工具
  2. 将GitHub存储库连接到 FastMCP云
  3. FastMCP Cloud使用以下命令执行服务器：
main.py
  1. 服务器已成功部署为 远程MCP服务器

客户端配置

  • 更新了MCP配置文件以指向远程FastMCP Cloud端点
  • 重复使用相同 client.py 用于本地和远程执行

运行客户端

uv run client.py

相关 MCP