🚀 MCP 你好，世界！示例

本项目展示了借助 Flask 服务器与 OpenAI 集成，实现 Model Context Protocol (MCP) 的简单示例。它能让你了解如何创建一个具备数字加法功能的 MCP 服务器，以及怎样通过 OpenAI 的函数调用能力来使用该功能。

🚀 快速开始

本项目集成了 Flask 服务器与 OpenAI，实现了 MCP 的简单应用。你可以按照以下步骤快速体验项目功能。

✨ 主要特性

服务器 (server.py)

• 基于 Flask 搭建 MCP 服务器，具备如下功能：
  • 实现简单的数字加法函数（add_numbers）。
  • 提供 MCP 协议端点，用于函数列表展示和执行。
  • 对加法函数进行 JSON Schema 定义。
  • 服务器运行于 http://localhost:8080。

客户端 (client.py)

• 集成 OpenAI API 与 MCP 服务器，进行如下演示：
  • 从 MCP 服务器获取可用函数。
  • 将 MCP 函数转换为 OpenAI 函数规范。
  • 通过 OpenAI 的聊天完成功能进行函数调用。
  • 处理并显示函数调用结果。

📦 安装指南

克隆仓库

首先，你需要将项目仓库克隆到本地。

安装依赖项

在项目根目录下，执行以下命令安装所需依赖：

pip install -r requirements.txt

💻 使用示例

配置

在运行项目前，你需要设置 OpenAI API 密钥。在终端中执行以下命令：

export OPENAI_API_KEY="your-api-key-here"

启动服务器

在终端中执行以下命令启动 MCP 服务器：

python server.py

运行客户端

在另一个终端中执行以下命令运行客户端：

python client.py

客户端运行后，将按以下步骤执行操作：

1. 连接到 MCP 服务器。
2. 获取可用函数。
3. 与 OpenAI 的模型开始对话。
4. 通过函数调用演示加法（例如，计算 42 和 17 的和）。
5. 显示结果。

📚 详细文档

项目结构

.
├── README.md           # 项目文档
├── requirements.txt    # Python 依赖项
├── server.py          # MCP 服务器实现
└── client.py          # OpenAI 客户端实现

依赖项

• python-dotenv：用于环境变量管理。
• openai：OpenAI API 客户端。
• flask：Web 服务器框架。
• requests：HTTP 客户端库。

示例输出

运行客户端时，你将看到以下内容：

1. 可用 MCP 函数列表。
2. 模型选择使用加法函数的决定。
3. 函数执行结果。
4. 模型的最终响应。