MCP Starter

🚀 MCP 初始項目

模型上下文協議（MCP）是構建可與外部工具和API交互的AI應用程序的標準。本項目提供了MCP服務器和客戶端的實現，幫助你快速搭建相關應用。

🚀 快速開始

先決條件

• Python 3.11 或更高版本
• Node.js 18 或更高版本
• Hugging Face API 密鑰
• Serper API 密鑰 用於 Google 搜索功能

設置服務器

1. 創建 Python 虛擬環境並激活它：

cd mcp-server
python -m venv .venv
# 在 Windows 上
.venv\Scripts\activate

2. 安裝依賴項：

pip install -e .

3. 在 mcp-server 目錄中創建一個 .env 文件：

SERPER_API_KEY=your_serper_api_key_here

設置客戶端

1. 安裝 Node.js 依賴項：

cd mcp-clients
npm install

2. 在 mcp-clients 目錄中創建一個 .env 文件：

HUGGINGFACE_API_KEY=your_huggingface_api_key_here

3. 構建 TypeScript 代碼：

npm run build

運行應用程序

1. 啟動 MCP 服務器：

cd mcp-server
python main.py

2. 在新終端中啟動客戶端服務器：

cd mcp-clients
node build/index.js ../mcp-server/main.py

✨ 主要特性

• 文檔搜索工具：可搜索流行 AI 庫的文檔，包括 LangChain、LlamaIndex 和 OpenAI。
• 對話管理：按會話維護聊天記錄。
• 工具集成：將 AI 模型響應與工具調用無縫結合。
• 錯誤處理：對 API 調用和工具執行進行穩健的錯誤處理。

📦 安裝指南

服務器安裝

1. 創建並激活 Python 虛擬環境。
2. 安裝 Python 依賴項。
3. 配置 .env 文件。

客戶端安裝

1. 安裝 Node.js 依賴項。
2. 配置 .env 文件。
3. 構建 TypeScript 代碼。

💻 使用示例

基礎用法

客戶端暴露了兩個端點：

• 健康檢查：GET http://localhost:3000/health
• 聊天：POST http://localhost:3000/chat

聊天請求示例：

{
  "query": "搜索 langchain 文檔中的 RAG",
  "sessionId": "用戶 123"
}

📚 詳細文檔

項目結構

mcp_starter/
├── mcp-server/           # Python MCP 服務器實現
│   ├── main.py          # 帶有文檔搜索工具的服務器（含文檔）
│   └── pyproject.toml   # Python 依賴項
└── mcp-clients/         # TypeScript MCP 客戶端實現
    ├── index.ts         # 帶 HuggingFace 集成的 Express 服務器
    └── package.json     # Node.js 依賴項

工作原理

1. MCP 服務器定義可以被 AI 模型調用的工具。
2. 客戶端連接到 MCP 服務器並獲取可用工具。
3. 當用戶發送查詢時：
   • 客戶端格式化對話歷史記錄。
   • 將其發送給 Hugging Face 模型。
   • 從模型響應中提取和執行工具調用。
   • 返回最終響應，包括工具結果。

環境變量

服務器

• SERPER_API_KEY：用於 Google 搜索功能的 API 密鑰。

客戶端

• HUGGINGFACE_API_KEY：訪問 Hugging Face 模型的 API 密鑰。

🔧 技術細節

模型上下文協議（MCP）包含兩個主要組件：

1. MCP 服務器：一個 Python 服務，定義並公開工具/函數，這些工具/函數可以被 AI 模型調用。
2. MCP 客戶端：一個 TypeScript/JavaScript 客戶端，連接到 MCP 服務器，並管理 AI 模型與工具之間的交互。

📄 許可證

本項目採用 MIT 許可證。