MCP Knowledge Base

🚀 MCP 知识库

本知识库围绕模型上下文协议（MCP）构建，这是一个新兴标准，可让大语言模型（LLMs）通过结构化交互调用工具。此知识库为个人与公开性质，旨在加深对 MCP 的理解，虽尚在开发中，存在早期解释或概念空白，但会随 MCP 发展逐步完善。

🚀 快速开始

此仓库是围绕模型上下文协议（MCP）构建的知识库，包含 MCP 通信流程解释、交互图表、示例 Python 代码、笔记及论文引用等内容。以下为你简要介绍仓库的主要内容和使用途径。

✨ 主要特性

• 提供 MCP 通信流程的详细解释。
• 展示主机、服务器、LLM 和工具之间交互的直观图表。
• 包含模拟 MCP 管道的示例 Python 代码。
• 有笔记和对相关论文或讨论的引用。
• 可作为探索新想法的平台，如工具链、缓存和 MCP 中的状态管理。

📦 安装指南

文档未提及安装步骤，暂无法提供相关内容。

💻 使用示例

基础用法

在 examples/ 文件夹中，有以下示例代码：

• basic_mcp_demo.py：将添加一个 MCP 主机和服务器通信的基本示例。

# 目前代码还未添加，后续将在此处看到 MCP 主机和服务器通信的基本示例

• tool_plugin_example.py：将演示工具注册表和调用。

# 目前代码还未添加，后续将在此处看到工具注册表和调用的示例

• mcp_host_server_flow.py：将演示从用户输入到 LLM 响应的完整生命周期。

# 目前代码还未添加，后续将在此处看到从用户输入到 LLM 响应完整生命周期的示例

高级用法

文档未提及高级用法相关代码示例，暂无法提供相关内容。

📚 详细文档

🔄 MCP 工作原理

以下是基于早期实验的 MCP 生命周期简要说明：

1. 💬 用户输入：用户提出一个问题（例如，在 VS Code 或浏览器 IDE 中——这充当 MCP 主机）。
2. 📡 工具发现：主机向 MCP 服务器 发送请求，以发现可用工具或插件。
3. 📤 查询分发：主机将用户查询和工具元数据传递给 LLM。
4. 🧠 工具选择：LLM 选择一个或多个工具来完成查询（例如天气 API 或计算器）。
5. 🛠️ 工具执行：主机通过调用 MCP 服务器来执行工具(s)。
6. 📥 结果处理：工具返回其结果；主机将其传递回 LLM。
7. ✅ 最终输出：LLM 以包含所有必要上下文的完整答案作出回应。

🧱 概念与构建模块

• 工具：外部服务（API、数据库、函数），LLM 可以通过它们扩展自己的能力。
• 主机：LLM 运行和显示结果的界面环境。
• 服务器：处理工具调用物流的中间件。
• 模式：用于结构化请求和响应的 JSON 模式或数据格式。
• 上下文处理：确保 LLM 能够访问之前的所有工具调用，以保持回答的连贯性。

🧪 示例与模拟

在 examples/ 文件夹中，计划有以下示例：

• basic_mcp_demo.py：将添加一个 MCP 主机和服务器通信的基本示例。
• tool_plugin_example.py：将演示工具注册表和调用。
• mcp_host_server_flow.py：将演示从用户输入到 LLM 响应的完整生命周期。

✅ 建议仓库结构

mcp-knowledge-base/
│
├── README.md
├── 图表/
│   └──                       # 任何视觉解释
├── examples/
│   ├── basic_mcp_demo.py
│   └── tool_plugin_example.py
├── mcp_host_server_flow.py
└── 资料夹/

注意事项：

1. 确保仓库结构清晰，文件名和目录名使用中文。
2. 每个文件夹应包含相关的内容，如示例代码、文档等。
3. README.md 应详细说明仓库内容和使用方法。

📁 相关项目和参考资料

• MCP 项目：链接
• LangChain 文档：链接
• OpenAI 工具调用文档：链接

此仓库将不断更新，以反映 MCP 的最新发展和相关资源。