Starlette MCP Sse

🚀 Starlette フレームワークで実装された MCP サーバー送信イベント (SSE)

このプロジェクトは、Starlette フレームワークを用いてサーバー送信イベント（SSE）機能を実装し、モデルコンテキストプロトコル（MCP） を統合しています。

English | 简体中文

🚀 クイックスタート

このプロジェクトは、Starlette Web アプリケーションで SSE を使用して MCP を実装する方法を示しています。以下の手順に従って、プロジェクトを実行してください。

前提条件

UV パッケージマネージャー をインストールします。これは Rust ベースの高速な Python パッケージインストーラーです。

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

クイック実行

以下のコマンドを実行します。

uvicorn main:app --reload

その後、ブラウザで http://localhost:8000 を開きます。

完全なインストール

1. リポジトリをクローンします。

git clone https://github.com/your-repository.git
cd your-repository

2. 仮想環境を作成し、依存関係をインストールします。

python -m venv venv
source venv/bin/activate  # Windows では `venv\Scripts\activate` を使用
pip install -r requirements.txt

3. サーバーを起動します。

uvicorn main:app --reload

✨ 主な機能

• MCP を使用したサーバー送信イベント（SSE）
• カスタムルートを持つ Starlette フレームワークの統合
• MCP と標準 Web エンドポイントの両方をサポートする統一された Web アプリケーション
• カスタマイズ可能なルート構造
• MCP 機能と Web 機能の明確な責任分離

📚 ドキュメント

何が MCP ですか？

モデルコンテキストプロトコル (MCP) は、AI モデルが外部ツールやデータソースとやり取りできるようにするオープン標準です。MCP は、AI 開発におけるいくつかの重要な課題を解決します。

• コンテキスト制限：モデルがトレーニングデータ以外の最新情報にアクセスできるようにする
• ツール統合：モデルが外部ツールや API を使用するための標準化された方法を提供する
• 相互運用性：異なる AI モデルとツール間の共通インターフェースを作成する
• 拡張性：AI システムに新機能を追加するのを簡単にし、再トレーニングを必要としない

プロジェクトの説明

このプロジェクトは、Starlette フレームワークでサーバー送信イベント（SSE）を実装し、同時に Model Context Protocol (MCP) 機能を統合する方法をデモンストレーションしています。その核心機能は、MCP の SSE 機能をカスタムルートを持つ完全な Starlette Web アプリケーションとシームレスに統合することです。

アーキテクチャ

このプロジェクトは、次のようなモジュール化されたアーキテクチャを示しています。

1. MCP SSE エンドポイント（/sse と /messages/）を Starlette アプリケーションに統合する
2. 標準 Web ルート（/, /about, /status, /docs）を提供する
3. MCP 機能と Web ルートの分離を維持する方法を示す

利用可能なエンドポイント

以下の URL にアクセスして、機能をテストしてください。

• / - デフォルトのホームページ
• /sieve?n=1000 - 素数をフィルタリングするサンプル API
• /about - アバウトページ
• /docs - API ドキュメントページ

MCP Inspector を使用したデバッグ

MCP Inspector を使用してデバッグするには、以下のコマンドを実行します。

python -m mcp_inspector server --config inspector_config.json

その後、ブラウザで http://localhost:8091 を開きます。

アプリケーションの拡張

カスタムルートの追加

Starlette アプリケーションに新しいルートを追加するには、次のようにします。

from fastapi import FastAPI
from starlette.routing import Route, Router

app = FastAPI()

async def root(request):
    return "Hello, World!"

async def sieve(request):
    n = int(request.query_params.get("n", 100))
    primes = []
    for num in range(2, n+1):
        if all(num % i != 0 for i in primes):
            primes.append(num)
    return {"primes": primes}

app.add_route("/", root)
app.add_route("/sieve", sieve, methods=["GET"])

Continue プラグインの設定

VS Code の Continue 拡張機能でこの MCP サーバーを使用するには、以下の設定を Continue の設定に追加します。

{
  "experimental": {
    "modelContextProtocolServers": [
      {
        "name": "weather",
        "type": "sse",
        "url": "http://localhost:8000/sse"
      }
    ]
  }
}

これにより、Continue でこの MCP サーバーが提供する機能を直接使用できます。