Llm MCP Server Template

🚀 llm-mcp-server-template

このプロジェクトは、大規模言語モデル（LLM）のMCPサーバー開発用のテンプレートです。

• サーバーは数字の大小比較機能を実装します。
• クライアントは複数のモデルと呼び出し方法をサポートします。

✨ 主な機能

MCP の概要

• 公式ドキュメント：https://modelcontextprotocol.io/introduction
• 簡単な説明：
  • モデル（client）は「脳」として、コードの作成、実行、分析などのテキストタスクを計画し実行します。
  • MCP（Server）は「道具」として、数学計算、ファイルの読み書き、ネットワークリクエストなどの機能を提供します。

MCP-Server

• MCPの主な機能（数学計算、ファイルの読み書き、ネットワークリクエストなど）を実装します。
• 参考ドキュメント：https://modelcontextprotocol.io/quickstart/server
• 開発中は mcp-server-inspector ツールを使用してデバッグを支援できます。

一般的なサーバーの種類

1. ローカルStdio：clientが直接ローカルのserverファイル（PythonまたはNode.js）を呼び出します。
   • 利点：Nodeプロジェクトをリモートのnpmレポジトリにプッシュし、npxで実行することで、半リモート呼び出しの効果を実現します。
2. リモート集約プラットフォームSSE：Glama.ai、MCP.soなど

MCP-Client

• モデルとMCPサーバーを調整し、最終的に「モデルがMCPの機能を呼び出す」ことを実現します。

一般的なクライアントの種類

1. Cursor、MCP Inspectorなどの既存のクライアントソフトウェアを使用します。
2. 阿里云百煉アプリケーション管理などのクラウドプラットフォーム上の各種エージェントを使用します。
3. スクリプトを自作してサポートします。
   • 3.1 モデルSDKがMCPをサポートしている場合、スクリプトで簡単に呼び出せます。
     • 例：Claude（https://modelcontextprotocol.io/quickstart/client）
     • 例：OpenAI（https://openai.github.io/openai-agents-python/mcp/）
   • 3.2 モデルSDKがMCPをサポートしていない場合、自前で実装する必要があります。
     • 3.2.1 LangChain-MCPアダプター（https://github.com/langchain-ai/langchain-mcp-adapters）などのフレームワークを使用します。
     • 3.2.2 完全にカスタム実装します。具体的には、多段階のリクエストが必要です。
       • a. promptを使ってモデルにリクエストを送り、タスクとMCPサーバーの説明を伝え、モデルから呼び出しインターフェースとパラメータを取得します。
       • b. 前のステップで取得した情報を使って、ツール（tools）にリクエストを送り、結果を取得します。
       • c. 前のステップで取得した情報を使って、モデルにリクエストを送り、結果を取得します。
       • d. ステップbとcを繰り返し、モデルから最終結果を取得します。

📦 インストール

環境の準備

# uv パッケージ管理ツールをインストールします（既にインストールされている場合はスキップ）
curl -LsSf https://astral.sh/uv/install.sh | sh
source ~/.local/bin/env
uv --version

# Pythonをインストールします（未インストールの場合はスキップ）
python --version

# pipをインストールします（未インストールの場合はスキップ）
pip install --user --upgrade pip

# プロジェクトの依存関係をインストールします
pip install -r requirements.txt

📚 ドキュメント

プロジェクトの成果

• MCPサーバーのデバッグ画面
  
• MCPクライアントの呼び出し例
  

🔜 今後の予定

以下の機能はまだ実装されていません。 7. Electronを使用して、特定の機能を持つMCPクライアントとサーバーをデスクトップアプリケーションにパッケージ化する。