🚀 项目文档

本项目提供了与 MCP 服务器和 OpenAI 的 GPT - 4 模型交互的客户端，同时包含 MCP 服务器的实现以及网站抓取测试脚本，能帮助用户进行网络搜索、信息获取等操作。

🚀 快速开始

需求

• Python 3.13
• 列出在 pyproject.toml 中的依赖项

安装

1. 克隆仓库：

   git clone <repository-url>
   cd documentation
   

2. 创建虚拟环境并激活它：

   python -m venv .venv
   source .venv/bin/activate  # 在 Windows 上使用 `.venv\Scripts\activate`
   

3. 安装依赖项：

   pip install -r requirements.txt
   

4. 设置环境变量： 在项目根目录中创建一个 .env 文件，内容如下：

   SCRAPING_DOG_API_KEY=your_scraping_dog_api_key
   OPENAI_API_KEY=your_openai_api_key
   

运行客户端

1. 导航到根目录：

   cd ..
   

2. 运行客户端：

   python client.py
   

3. 在交互式提示符中输入您的问题。输入 quit 或 exit 以停止客户端。

✨ 主要特性

• 提供与 MCP 服务器和 OpenAI 的 GPT - 4 模型交互的客户端。
• MCP 服务器具备网络搜索、获取 URL 内容等功能。
• 包含网站抓取测试脚本。

📦 安装指南

1. 克隆仓库：

   git clone <repository-url>
   cd documentation
   

2. 创建虚拟环境并激活它：

   python -m venv .venv
   source .venv/bin/activate  # 在 Windows 上使用 `.venv\Scripts\activate`
   

3. 安装依赖项：

   pip install -r requirements.txt
   

4. 设置环境变量： 在项目根目录中创建一个 .env 文件，内容如下：

   SCRAPING_DOG_API_KEY=your_scraping_dog_api_key
   OPENAI_API_KEY=your_openai_api_key
   

💻 使用示例

基础用法

运行客户端与 MCP 服务器和 GPT - 4 模型交互：

# 导航到根目录
cd ..
# 运行客户端
python client.py

在交互式提示符中输入您的问题，输入 quit 或 exit 以停止客户端。

📚 详细文档

项目文件

client.py

此文件包含与 MCP 服务器和 OpenAI 的 GPT - 4 模型交互的主要客户端代码。它包括以下关键组件：

• MCPClient：一个管理与 MCP 服务器连接并提供调用可用工具方法的类。
• agent_loop：一个异步函数，用于处理用户查询并使用 LLM 和可用工具进行分析。
• main：主函数，用于设置 MCP 服务器、初始化工具，并运行交互式循环。

ksrk - mcp/ksrk - mcp - server.py

此文件包含 MCP 服务器的实现。它包括以下关键组件：

• search_web：一个使用 ScrapingDog API 进行网络搜索的异步函数。
• fetch_url：一个用于获取指定 URL 内容的异步函数。
• about_ksrk：一个 MCP 工具，用于在指定网站上搜索有关“ksrk”的详细信息。

ksrk - mcp/test - website.py

此文件包含一个使用 httpx 和 BeautifulSoup 测试网站抓取的脚本。

📄 许可证

该项目根据 MIT 许可证发布。有关详细信息，请参阅 LICENSE 文件。

致谢

• OpenAI 为提供 GPT - 4 模型。
• ScrapingDog 为网络抓取 API。
• BeautifulSoup 用于解析 HTML 和 XML 文档。
• [httpx](https://www.python - httpx.org) 用于 HTTP 客户端。