MCP Aoai Web Browsing

🚀 使用 Azure OpenAI 的 MCP 服務器及客戶端實現

這是一個基於 Model Context Protocol (MCP) 和 Azure OpenAI 的最小服務器/客戶端應用程序實現，能實現 AI 應用程序與其本地或遠程資源之間的安全、受控交互。

🚀 快速開始

配置步驟

1. 創建 .env 文件：在項目根目錄下創建一個 .env 文件，並添加以下內容：

AZURE_OPEN_AI_ENDPOINT=your_endpoint
AZURE_OPEN_AI_KEY=your_key
MCP_SERVER_NAME=your_server_name

2. 安裝依賴項：執行以下命令安裝所需的 Python 包：

pip install fastapi playwright[aiohttp] python-dotenv

3. 啟動服務器：執行以下命令啟動 MCP 服務器：

python mcp_server.py

啟動聊天界面

執行 python chatgui.py 命令啟動聊天界面。

退出程序

使用 Ctrl+C 退出程序。

重新加載配置

如果需要重新加載配置，可以重啟服務器。

✨ 主要特性

• 一個基於 Model Context Protocol (MCP) 和 Azure OpenAI 的最小服務器/客戶端應用程序實現。
  1. MCP 服務器使用 FastMCP 構建。
  2. Playwright 是微軟開源的現代化端到端測試框架。
  3. MCP 響應中的工具信息將轉換為 OpenAI 函數調用格式。
  4. 將 MCP 服務器響應轉換為 OpenAI 函數調用格式的橋樑自定義了 MCP-LLM Bridge 實現。
  5. 為了確保穩定連接，直接將服務器對象傳遞到橋接器中。

📚 詳細文檔

模型上下文協議 (MCP)

模型上下文協議 (MCP) MCP（Model Context Protocol）是一項開放協議，可實現 AI 應用程序與其本地或遠程資源之間的安全、受控交互。

官方存儲庫

• MCP Python SDK
• 創建 Python 服務器
• MCP 服務器

社區資源

• Awesome MCP 服務器
• MCP on Reddit

相關項目

• FastMCP：快速、Pythonic 的 MCP 服務器構建方式。
• Chat MCP：MCP 客戶端
• MCP-LLM Bridge：將 MCP 連接到各種 LLM 服務的橋樑

💻 使用示例

工具描述

以下是 playwright_navigate 函數的偽代碼示例：

@self.mcp.tool()
async def playwright_navigate(url: str, timeout=30000, wait_until="load"):
    # 在此處實現具體的導航邏輯
    pass

📦 安裝指南

安裝依賴項

執行以下命令安裝所需的 Python 包：

pip install fastapi playwright[aiohttp] python-dotenv

圖片示例

寬度：300