AI导哈

MCP服务器与LLM集成工具

FastMCP构建的MCP服务器与LLM集成工具，适用于天气服务、浏览器自动化和广告流分析等场景。

  • by SumanMadipeddi
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 SumanMadipeddi/mcp-severs

使用说明

MCP服务器和LLM集成

使用以下工具构建MCP服务器的实用指南 FastMCP 并使用以下方法将它们与任何LLM集成 mcp使用.

项目结构

  • server/ -使用STDIO传输的基本天气MCP服务器
  • mcpserver/ -带有SSE/HTTP传输的天气MCP服务器，包括客户端示例和Streamlit UI
  • mcpagent/ -用于代理集成示例的简单MCP服务器（数学和天气）
  • graph_agent/ -LangGraph集成示例
    • main.ipynb -配备LangSmith监测功能的天气工具代理
    • main.py -使用Playwright和DuckDuckGo搜索MCP服务器进行竞争对手广告流分析
  • app.py -使用mcp和Groq LLM的浏览器自动化示例

快速开始

# Install UV (if needed)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
curl -LsSf https://astral.sh/uv/install.sh | sh

# Install dependencies
uv sync

# Create .env file
echo "GROQ_API_KEY=your_key_here" > .env
echo "GEMINI_API_KEY=your_key_here" >> .env

# Run the weather MCP server
uv run python server/weather.py

# Run the LLM agent (in another terminal)
uv run python app.py

资源

  • MCP规范: https://spec.modelcontextprotocol.io/
  • FastMCP: https://github.com/jlowin/fastmcp
  • mcp使用: https://github.com/ergut/mcp-use
  • LangChain: https://python.langchain.com/
  • LangGraph: https://docs.langchain.com/oss/python/langgraph/overview
  • UV文档: https://docs.astral.sh/uv/

相关 MCP