模型上下文协议演示工具

MCP学习模拟项目

该项目是对 模型上下文协议（MCP） 使用Python。它演示了如何构建一个公开工具的MCP服务器，以及一个连接到服务器并使用LLM与这些工具交互的MCP客户端。

特性

• 标准MCP服务器(server.py)：使用核心 mcp.server.Server 类通过提供三个简单的工具 stdio 运输：
  • get_weather：给定位置的模拟天气数据。
  • add_note：将文字注释保存到本地 notes_db 目录。
  • list_notes：列出所有已保存的笔记。
• MCP客户端(client.py)：通过以下方式连接到服务器 stdio，初始化会话并获取工具。它将MCP工具转换为OpenAI工具格式，并使用OpenRouter API与LLM通信。
• 模型回退：客户端利用OpenRouter的模型路由/回退功能（通过 extra_body 参数）以确保高可用性，如果主模型速率受限或不可用，则优雅地降级。
• JSON-RPC拦截(wrapper_server.py)：一个包装器脚本，将服务器作为子进程运行，将客户端和服务器之间的原始底层JSON-RPC通信回显到控制台(stderr)用于学习和调试目的。
• 自动验证(test_server.py)：一个测试脚本，用于验证服务器的工具，而不需要LLM，包括在 add_note 工具。

先决条件

• Python 3.10+
• 在您的环境中定义的所需Python包（例如。， mcp, pydantic, openai, python-dotenv).

通过创建 .env 根目录中的文件：

OPENROUTER_API_KEY="your_openrouter_api_key_here"

运行应用程序

1. 激活您的虚拟环境 （如果使用一个）：

   复制

   .\.venv\Scripts\activate
   

2. 运行MCP客户端:

   复制

   python client.py
   

   客户端将初始化，连接到服务器（通过包装器），并将您放入聊天提示中。你可以问它这样的问题：

   • “巴黎的天气怎么样？”
   • “你能留张纸条提醒我喝水吗？”
   • “列出我的笔记。”

   类型 exit 或 quit 以停止会话。

架构和通信流程

1. 用户运行 client.py.
2. 客户端生成 wrapper_server.py 作为一个子流程。
3. 包装纸发芽了 server.py 作为其子流程，并开始拦截标准输入和输出流。
4. 客户使用 stdio_client 通过其发送JSON-RPC请求 stdout.
5. 包装器将这些请求打印到控制台（供您查看）并将其转发到服务器。
6. 服务器处理请求（例如，执行工具），格式化响应，并通过其 stdout.
7. 包装器拦截响应，打印它，并将其转发回客户端。
8. 客户端接收响应，并通过OpenRouter将上下文交还给LLM。

自动化测试

要在不影响LLM API的情况下运行自动服务器工具检查，请执行以下操作：

python test_server.py

此测试工具是否存在、基本I/O和净化/安全措施。