🚀 mcp-projects

本仓库是我的MCP（模型上下文协议）项目的代码存放处。MCP项目旨在为AI系统提供一种标准化方法，使其能以更丰富的方式获取应用程序的环境、用户偏好和对话历史信息，有效解决当前AI系统“工作记忆”有限的问题。

🚀 快速开始

安装和运行步骤

1. 克隆此仓库
2. 安装依赖项

   pip install mcp
   pip install fastapi
   pip install uvicorn
   pip install fastapi-mcp
   pip install llama-index
   pip install llama-index-embeddings-huggingface
   pip install llama-index-llms-langchain
   pip install langchain-mcp-adapters
   pip install mcp-use
   

3. 配置环境变量 在根文件夹中创建一个.env文件，包含以下凭证：

   API_KEY=<IBM云API密钥>
   PROJECT_ID=<Watsonx项目ID>
   IBM_CLOUD_URL=<IBM云URL>
   
   MODEL_ID=<你的Watsonx.ai LLM ID>
   
   TAVILY_API_KEY=<你的Tavily网络搜索API密钥>
   
   或者，使用你自己的LLM供应商 - 它对项目是agnostic（需要进行一些更改）
   

4. 试验不同的项目和文件
   • 确保先运行MCP服务器，然后再运行客户端
   • 运行客户端

✨ 主要特性

MCP是什么？

从根本上说，MCP是一种使应用程序能够以更丰富的方式向AI模型提供其环境、用户偏好和对话历史信息的标准化方法。可以将其想象成是为AI系统提供智能、结构化上下文信息的途径。

MCP解决的问题

当前的AI系统具有有限的“工作记忆”，即它们只能看到特定数量的对话历史（其“上下文窗口”）。这就好比与某人交谈，对方只能记住最近几次交流的内容，例如：

• 你：“还记得我们上周讨论的关于优化供应链的那个项目吗？”
• 没有良好上下文的AI：“我不记得那次具体的讨论。你能提醒我细节吗？”

这种限制迫使用户不断重复解释内容，导致交互体验不佳。MCP通过创建一种维护和访问上下文的结构化方法来解决此问题。

类比

1. GPS导航

传统的AI上下文管理就像一次只给出一个转弯方向而不展示完整地图的人。如果他们忘记了一步，整个对话就会中断。

MCP则像GPS导航系统：

• 知道你的目的地
• 记住你喜欢的路线
• 根据实时情况调整
• 总是知道你在旅程中的位置

阅读这篇文章以全面了解MCP：理解模型上下文协议（MCP）：一个门外汉的指南

💡 使用建议

请通过Pull Request的方式为这个项目做出贡献✨。