🚀 MCP 初始项目

模型上下文协议（MCP）是构建可与外部工具和API交互的AI应用程序的标准。本项目提供了MCP服务器和客户端的实现，帮助你快速搭建相关应用。

🚀 快速开始

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

✨ 主要特性

• 文档搜索工具：可搜索流行 AI 库的文档，包括 LangChain、LlamaIndex 和 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。

📦 安装指南

服务器安装

1. 创建并激活 Python 虚拟环境。
2. 安装 Python 依赖项。
3. 配置 .env 文件。

客户端安装

1. 安装 Node.js 依赖项。
2. 配置 .env 文件。
3. 构建 TypeScript 代码。

💻 使用示例

基础用法

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"
}

📚 详细文档

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

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。

🔧 技术细节

模型上下文协议（MCP）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。

📄 许可证

本项目采用 MIT 许可证。