🚀 最简单的MCP项目

本项目实现了最小化的MCP项目，旨在助力开发者理解整个MCP系统的运行机制，为深入探索MCP领域提供基础示例。

🚀 快速开始

配置API密钥

项目使用了DeepSeek的API密钥，你需要在.env文件中添加自己的API密钥。若选择其他LLM服务（如OpenAI或其他支持MCP服务的模型），也请在.env文件中添加相应的API_KEY。

文件结构

├── .env
├── .gitignore
├── client/client.py
├── client/server.json
├── server/tasklist.py
|── pyproject.toml
|── tasks.csv   
|── README.md

创建虚拟环境

uv venv

# 激活虚拟环境

# 在Windows系统中:
.venv\Scripts\activate

# 在Unix或MacOS系统中:
source .venv/bin/activate

安装依赖

## 使用OpenAI格式访问API
uv add mcp openai python-dotenv

创建.env文件

touch .env

添加API密钥到.env文件

echo "OPENAI_API_KEY=your_api_key" >> .env
echo "OPENAI_BASE_URL="https://api.deepseek.com/v1"" >> .env
echo "OPENAI_MODEL="deepseek-chat" >> .env

编辑server.json文件以指定MCP - Server配置

{
    "servers": [
      {
        "command": "uv",
        "args": ["run","../server/tasklist.py"],
        "env": null
      },
      {
        "command": "uv",
        "args": ["run","../server/weather.py"],
        "env": null
      },
      {
        "command": "npx",
        "args": ["-y","../server/stock.js"],
        "env": null
      }
    ]
  }

运行MCP - Demo

cd client
uv run client.py server.json

之后输入用户查询即可。