使用说明
MCP-123
The easiest way to run an MCP server & client (2 lines each)
🚀 特性
-
超低设置：以2行启动服务器或客户端。
-
轻松创建工具：在您的
tools.py文件--无需装饰或特殊包装--它们作为MCP服务器可以自动使用的工具被包含在内。 -
OpenAI集成：客户端使用您的OpenAI API密钥回答问题，根据需要调用工具。
🖥️ 快速启动
1.安装要求
pip install -r requirements.txt
2.创建您的工具
在中定义您的功能 tools.py。不需要装饰器，它们会作为工具自动添加到您的MCP服务器中。例如：
def add(a: int, b: int) -> int:
"""Add two numbers."""
return a + b
3.启动MCP服务器（2行）
from mcp123 import server
server.run_server("tools.py", port=9999)
4.设置MCP客户端（2行）
from mcp123.client import McpClient
client = McpClient("http://localhost:9999", "sk-...your OpenAI key...")
5.使用MCP客户端
answer = client.ask("Add 15 and 14.")
print("Answer:", answer)
6.完成后关闭MCP客户端
client.close()
🚀 特性
-
超低设置：以2行启动服务器或客户端。
-
轻松创建工具：在您的
tools.py文件--无需装饰或特殊包装--它们作为MCP服务器可以自动使用的工具被包含在内。 -
OpenAI集成：客户端使用您的OpenAI API密钥回答问题，根据需要调用工具。
📝 运作原理
-
服务器：从加载所有顶级函数
tools.py并通过HTTP将其作为MCP工具公开。 -
客户端：发现可用工具，向OpenAI发送提示，并在需要时自动调用工具。
🛠️ 输出示例
当你运行客户端时，你会看到：
Tools discovered:
[ ...list of tools... ]
Answer: 29
🔑 需求
-
Python 3.11+
-
OpenAI API密钥（用于客户端）
📢 为什么选择MCP123？
-
零样板：无需编写模式或包装器，只需编写函数即可。
-
LLM本地：专为无缝LLM工具使用而设计。
-
可扩展：只需添加功能即可添加更多工具。
🤝 鸣谢
-
内置于 FastMCP
-
受模型上下文协议（MCP）的启发
📬 反馈与贡献
拉取请求和问题是受欢迎的，但前提是它们在ALL-CAPS中。
