MCP 初始项目

什么是MCP？

模型上下文协议（MCP）是构建可以与外部工具和API交互的AI应用程序的标准。它包含两个主要组件：

1. MCP服务器：一个Python服务，定义并公开工具/函数，这些工具/函数可以被AI模型调用
2. MCP客户端：一个TypeScript/JavaScript客户端，连接到MCP服务器，并管理AI模型与工具之间的交互

项目结构

mcp_starter/
├── mcp-server/           # Python MCP服务器实现
│   ├── main.py          # 带有文档搜索工具的服务器（含文档）
│   └── pyproject.toml   # Python依赖项
└── mcp-clients/         # TypeScript MCP客户端实现
    ├── index.ts         # 带HuggingFace集成的Express服务器
    └── package.json     # Node.js依赖项

入门指南

先决条件

• Python 3.11或更高版本
• Node.js 18或更高版本
• Hugging Face API密钥
• Serper API密钥用于Google搜索功能

设置服务器

1. 创建Python虚拟环境并激活它：

cd mcp-server
python -m venv .venv
# 在Windows上
.venv\Scripts\activate

2. 安装依赖项：

pip install -e .

3. 在mcp-server目录中创建一个.env文件：

SERPER_API_KEY=your_serper_api_key_here

设置客户端

1. 安装Node.js依赖项：

cd mcp-clients
npm install

2. 在mcp-clients目录中创建一个.env文件：

HUGGINGFACE_API_KEY=your_huggingface_api_key_here

3. 构建TypeScript代码：

npm run build

运行应用程序

1. 启动MCP服务器：

cd mcp-server
python main.py

2. 在新终端中启动客户端服务器：

cd mcp-clients
node build/index.js ../mcp-server/main.py

使用API

客户端暴露了两个端点：

• 健康检查：GET http://localhost:3000/health
• 聊天：POST http://localhost:3000/chat

聊天请求示例：

{
  "query": "搜索langchain文档中的RAG",
  "sessionId": "用户123"
}

功能

• 文档搜索工具：搜索 popular AI库的文档：

  • LangChain
  • LlamaIndex
  • OpenAI

• 对话管理：按会话维护聊天记录

• 工具集成：将AI模型响应与工具调用无缝结合

• 错误处理：对API调用和工具执行进行稳健的错误处理

工作原理

1. MCP服务器定义可以被AI模型调用的工具
2. 客户端连接到MCP服务器并获取可用工具
3. 当用户发送查询时：
   • 客户端格式化对话历史记录
   • 将其发送给Hugging Face模型
   • 从模型响应中提取和执行工具调用
   • 返回最终响应，包括工具结果

环境变量

服务器

• SERPER_API_KEY：用于Google搜索功能的API密钥

客户端

• HUGGINGFACE_API_KEY：访问Hugging Face模型的API密钥

许可证

MIT许可证