基础 MCP 应用

一个简单的应用程序，展示如何使用 FastAPI 和 Gradio（因为我不喜欢 Streamlit 的头疼）实现模型上下文协议（MCP）的工作原理。

项目概述

该项目演示了一个基本的 MCP 服务器，带有 Gradio 前端界面（Streamlit 让人头疼，而生命太短暂，不能忍受无谓的痛苦）。用户可以通过“简单界面”与 AI 模型聊天（营销人员称之为“简单的界面”，开发人员知道这是“尽力而为，毕竟时间和耐心都是有限的 🥲”。）

技术栈

• 后端：FastAPI + MCP Python SDK（ heaven，不像披萨上的菠萝）
• 前端：Gradio（因为漂亮的按钮会让多巴胺快速释放）
• AI 集成：Google Gemini API（不是占星术符号，而是 Sundar Pichai 的人工智能 AI AI AI AI AI AI 之类的东西）

已知问题

⚠️ 注意事项

• 引文工具目前无法正常工作。尝试分析论文引文或使用某些高级搜索功能时可能会出现错误。我正在努力修复此问题。什么时候能修好？谁知道 ¯\_(ツ)_/¯。也许当实现 AGI（人工通用智能）的时候。
• Semantic Scholar API 有速率限制，这可能导致搜索功能有时会返回错误消息“我无法直接搜索并为您提供论文”。这是免费 API 遇到热心用户的结果——我们对它们爱得死去活来。休息一下，再试一次（或者在等待时喝杯咖啡，让速率限制重置）。

提升您的设置速度

这个项目非常适合与 uv 一起使用，这是一个超快速的 Python 包安装工具！而不是等待 pip 花费数个世纪的时间完成任务，您可以使用 uv 在几秒钟内安装依赖项。我强烈推荐它以获得更流畅的体验（并从全局依赖中夺回您生命中的几个小时）。

快速开始

您需要准备的事项

• Python 3.11 或更高版本（对不起，还在使用 Python 2 的恐龙）
• pip 包管理器（或其更酷、更快的表亲 uv）
• 理解耐心（可选但推荐，就像 RCB（Google 它）一样）

设置步骤

1. 克隆仓库：

   git clone https://github.com/your-repository.git
   cd basic-mcp-app
   

2. 安装依赖项：

   pip install -r requirements.txt
   

3. 启动后端服务器：

   python backend/main.py
   

4. 启动 Gradio 前端界面：

   python frontend/app.py
   

项目结构

Basic MCP App
├── backend/
│   └── main.py          # 后端服务器代码，包含 MCP（真正的魔法发生的地方）
└── frontend/
    └── app.py           # Gradio 前端界面（漂亮的按钮都在这里）

功能

• 使用 Semantic Scholar 搜索科学论文（因为 Google 学术太主流了）
• 论文分析工具（60% 的时间正常工作，每时每刻）
• 简单的聊天界面（对用户来说简单，对开发者来说是噩梦）
• 易于安装的过程（如果您曾经攀登过珠峰，这将感觉像是一次 stroll in the park）

许可证

MIT（因为我很慷慨，不想读长许可协议）

致谢

• Anthropic 为 MCP — https://www.anthropic.com/news/model-context-protocol
• https://modelcontextprotocol.io/introduction
• Claude 调整了 DEMO 的一部分，虽然没有完全调整，但仍然感谢 🤏