模型上下文协议演示

MCP演示

一个展示模型上下文协议（MCP）与FastMCP服务器和LangChain集成的演示项目。

概述

该项目演示了如何使用FastMCP创建和使用MCP（模型上下文协议）服务器，将其与LangChain代理集成，以创建可以使用外部工具的AI应用程序。演示包括两个示例服务器：

• 数学服务器：提供基本的数学运算（加法、乘法）
• 天气服务器：模拟任何位置的天气数据检索

特性

• 🧮 数学运算：使用MCP工具对数字进行加法和乘法运算
• 🌤️ 天气信息：获取任何位置的模拟天气数据
• 🤖 AI代理集成：使用LangChain和OpenAI GPT-4与MCP工具交互
• 🔄 多种运输方式：演示stdio和HTTP传输

项目结构

MCP-Demo/
├── main.py              # Main entry point
├── math_server.py       # MCP server for mathematical operations
├── weather.py           # MCP server for weather information
├── client.py            # Client that integrates MCP servers with LangChain
├── pyproject.toml       # Project configuration and dependencies
├── requirements.txt     # Python dependencies
├── uv.lock             # UV lock file
└── README.md           # This file

需求

• Python 3.10或更高版本
• OpenAI API密钥（用于AI代理）

安装

1. 克隆存储库:

   复制

   git clone <repository-url>
   cd MCP-Demo
   

2. 安装依赖项:

   复制

   # Using pip
   pip install -r requirements.txt
   
   # Or using uv (recommended)
   uv sync
   

3. 设置环境变量: 创建一个 .env 项目根目录中的文件：

   复制

   OPENAI_API_KEY=your_openai_api_key_here
   

用法

运行单个服务器

数学服务器（stdio传输）

python math_server.py

天气服务器（HTTP传输）

python weather.py

天气服务器将在 http://localhost:8000 默认情况下。

运行完整演示

1. 启动天气服务器 （在一个终端中）：

   复制

   python weather.py
   

2. 运行客户端 （在另一个终端中）：

   复制

   python client.py
   

客户将使用AI代理演示数学和天气操作。

MCP服务器

数学服务器(math_server.py)

通过stdio传输提供数学运算：

• add(a: int, b: int) -> int：将两个数字相加
• multiply(a: int, b: int) -> int：将两个数字相乘

天气服务器(weather.py)

通过HTTP传输提供模拟天气信息：

• get_weather(location: str) -> str：返回给定位置的天气数据

客户端集成(client.py)

客户演示如何：

1. 创建一个 MultiServerMCPClient 具有多个MCP服务器
2. 配置不同的传输类型（stdio和HTTP）
3. 将MCP工具与LangChain代理集成
4. 使用OpenAI的GPT-4模型与工具进行交互

交互示例

演示客户端将执行以下示例交互：

1. 数学查询：“什么是（3+5）x 12？”

   • 使用数学服务器的 add 和 multiply 工具
   • 预期结果：96

2. 天气查询“加利福尼亚的天气怎么样？”

   • 使用天气服务器 get_weather 工具
   • 返回模拟天气数据

发展

添加新工具

要向数学服务器添加新工具，请执行以下操作：

@mcp.tool()
def subtract(a: int, b: int) -> int:
    """Subtracts b from a."""
    return a - b

要向天气服务器添加新工具，请执行以下操作：

@mcp.tool()
async def get_forecast(location: str, days: int = 7) -> str:
    """Get weather forecast for multiple days."""
    # Implementation here
    pass

运输类型

• 标准：直接进程通信（由数学服务器使用）
• streamable_http：基于HTTP的通信（由天气服务器使用）

依赖项

• mcp：核心模型上下文协议库
• langchain-groq：LangChain与Groq的整合
• langchain-mcp-adapters：LangChain的MCP适配器
• langgraph：基于图的代理框架
• langchain-openai：LangChain的OpenAI集成

故障排除

1. 缺少OpenAI API密钥：确保你的 .env 文件包含有效的OpenAI API密钥
2. 端口冲突：如果端口8000繁忙，请在中修改端口 weather.py
3. 导入错误：确保所有依赖项都已安装 pip install -r requirements.txt

贡献

1. 分叉存储库
2. 创建要素分支
3. 进行更改
4. 如果适用，添加测试
5. 提交拉取请求

许可证

该项目仅用于演示目的。请检查生产使用的各个依赖许可证。

资源

• 模型上下文协议文档
• FastMCP文档
• LangChain文档