MCP Oci Integration

🚀 MCP Oracle OCI集成項目

本項目提供了代碼和示例，助力以下任務的完成：

• 開發：使用Python開發MCP服務器。
• 運行：在Oracle OCI上運行MCP服務器。
• 集成：將MCP服務器與AI智能體集成。
• 集成：將MCP服務器與其他OCI資源（如ADB、Select AI等）集成。
• 集成：將運行在OCI上的MCP服務器與ChatGPT、Claude.ai、MS Copilot等AI助手集成。
• 集成：將MCP服務器與OCI APM集成，實現可觀測性。
• 指南：為你的MCP服務器創建Docker鏡像。

🚀 快速開始

什麼是MCP？

MCP（模型上下文協議） 是一種開源標準，它允許AI模型（如大語言模型或智能體）通過統一接口與外部工具、數據源和服務進行雙向連接。

它用一種標準協議取代了 “N×M” 集成問題（即每個AI與數據源的集成都需要定製代碼）。

MCP支持對可用工具和上下文的動態發現，實現以下功能：

• 使AI助手能夠訪問企業知識庫中的相關信息。
• 使智能體能夠在不同系統之間進行推理和鏈式操作。

它正迅速獲得關注：像OpenAI、Google DeepMind、Oracle等主要參與者都在採用它，以使AI系統更具可組合性和互操作性。

在當今的智能AI領域，MCP至關重要，因為它允許模型在現實世界系統中發揮有意義的作用，而不是成為孤立的黑盒。

使用Python開發MCP服務器

最簡單的方法是使用 FastMCP 庫。

示例：

• 在 Minimal MCP Server 中，你將找到一個優秀的最小化示例，該服務器公開了兩個工具，並可選擇使用 JWT 進行保護。

如果你想從更簡單的示例開始，可以查看 如何開始開發MCP。它更簡單，不支持JWT令牌。

如何測試

如果你想快速測試你開發的MCP服務器（或這裡提供的最小化示例），可以使用 Streamlit UI。

在Streamlit應用程序中，你可以：

• 指定MCP服務器的URL（默認值在 mcp_servers_config.py 中）。
• 選擇OCI生成式AI中可用的模型之一。
• 測試使用MCP服務器公開的工具回答問題。

在 llm_with_mcp.py 中，有工具調用循環的完整實現。

語義搜索

本倉庫中有一個完整的MCP服務器實現，它基於Oracle 23AI實現了語義搜索。 要使用它，你只需要：

• 將文檔加載到Oracle數據庫中。
• 在config_private.py中設置正確的配置以連接到數據庫。

代碼可在 這裡 找到。

通過新的 langchain-oci集成庫 可以訪問Oracle 23AI向量搜索。

添加安全性

如果你想將MCP服務器投入生產，需要在多個層面添加安全性。

僅提及幾個重要點：

• 不要直接將MCP服務器暴露在互聯網上。
• 與MCP服務器的通信必須加密（例如，使用TLS）。
• 要對客戶端進行身份驗證和授權。

使用OCI服務，你可以採取以下措施來實現適當的安全級別：

• 可以在前面放置一個OCI API網關，將其用作TLS終止點。
• 可以啟用使用JWT令牌進行身份驗證。
• 可以使用OCI IAM生成JWT令牌。
• 可以使用OCI網絡安全功能。

更多詳細信息請參考專門頁面。

將MCP語義搜索與ChatGPT集成

如果你部署了 MCP語義搜索 服務器，可以在開發者模式下測試與ChatGPT的集成。它提供了一個符合OpenAI規範的搜索工具。

不久後，我們將添加一個完全符合OpenAI規範的服務器，該服務器可集成到深度研究中。該服務器必須實現兩種方法（搜索和獲取），並嚴格遵循OpenAI規範。

初始實現可在 這裡 找到。

詳細信息可在 這裡 查看。

集成OCI ADB Select AI

另一個選擇是使用MCP服務器將OCI SelectAI集成到ChatGPT或其他支持MCP的助手中。 通過這種方式，你可以對數據庫模式進行完整的文本轉SQL搜索。然後，AI助手可以處理你檢索到的數據。

一個示例可在 這裡 找到。

有關Select AI的配置，請參閱 這裡。