🚀 MCP 服务器实践

本项目仓库实现了一个支持 LinkedIn 资料抓取和天气数据检索的 Model Context Protocol (MCP) 服务器。MCP 框架的运用，极大地促进了 AI 服务之间的无缝集成与高效通信，为相关应用开发提供了有力支持。

🚀 快速开始

此 MCP 服务器可实现 LinkedIn 资料抓取和天气数据检索功能。下面为你介绍如何快速搭建并使用该服务器。

✨ 主要特性

• LinkedIn 资料抓取器：借助 Fresh LinkedIn Profile Data API，能够精准抓取 LinkedIn 资料信息。
• 天气数据服务：通过 National Weather Service (NWS) API，可获取详细的天气预警和预报信息。

📦 安装指南

1. 克隆仓库

git clone https://github.com/mybarefootstory/MCP-Server-Practice-2.git
cd MCP-Server-Practice-2

2. 安装依赖项

pip install httpx python-dotenv mcp

3. 配置环境变量

• 在项目根目录下创建一个 .env 文件。
• 向 .env 文件中添加你的 RapidAPI 密钥：

RAPIDAPI_KEY=your_rapidapi_key_here

💻 使用示例

LinkedIn 资料抓取器

基础用法

from mcp.server.fastmcp import FastMCP
import httpx
import os
from dotenv import load_dotenv

load_dotenv()
RAPIDAPI_KEY = os.getenv("RAPIDAPI_KEY")

mcp = FastMCP("linkedin_profile_scraper")

async def get_linkedin_data(linkedin_url: str) -> dict:
    # 抓取 LinkedIn 资料数据
    ...

@mcp.tool()
async def get_profile(linkedin_url: str) -> str:
    # 获取 LinkedIn 资料信息
    ...

if __name__ == "__main__":
    mcp.run(transport="stdio")

天气数据服务

基础用法

from mcp.server.fastmcp import FastMCP
import httpx

mcp = FastMCP("weather")

async def make_nws_request(url: str) -> dict:
    # 发送请求到 NWS API
    ...

@mcp.tool()
async def get_alerts(state: str) -> str:
    # 获取某个美国州的天气预警
    ...

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    # 获取某个位置的天气预报
    ...

if __name__ == "__main__":
    mcp.run(transport='stdio')

📚 详细文档

LinkedIn 资料抓取器

使用 Fresh LinkedIn Profile Data API 抓取 LinkedIn 资料信息。服务器通过 FastMCP 初始化，并监听请求以获取资料数据。运行服务器后，使用 get_profile 工具即可获取 LinkedIn 资料信息。

天气数据服务

通过 NWS API 获取天气预警和预报。服务器通过 FastMCP 初始化，并提供获取预警和预报的工具。运行服务器后，使用 get_alerts 和 get_forecast 工具可获取天气信息。

🔧 技术细节

先决条件

• Python 3.7+：作为项目的运行环境，确保具备基本的 Python 编程能力和运行环境。
• httpx：用于进行异步 HTTP 请求，提高请求效率和性能。
• python-dotenv：负责环境变量的管理，保障敏感信息的安全存储和使用。
• mcp：用于 MCP 服务器的实现，是整个项目的核心框架。