MCP Sse Client Python

🚀 MCP SSE 客戶端

MCP SSE 客戶端是一個 Python 庫，用於與支持 Server-Sent Events (SSE) 的 MCP 服務進行交互。它能讓您輕鬆調用工具，還集成了多種 LLM 提供商（如 OpenAI、Anthropic 和 Ollama），可實現 AI 驅動的工具選擇。

🚀 快速開始

克隆倉庫

git clone https://github.com/zanetworker/mcp-sse-client-python.git
cd mcp-sse-client-python
pip install -e .

運行 Streamlit 應用

cd mcp-streamlit-app
streamlit run app.py

✨ 主要特性

1. 簡單 MCP 客戶端

client = MCPClient(endpoint)

• endpoint：MCP 服務的 URL（必須為 http 或 https）

方法

• async list_tools() -> List[ToolDef]：列出 MCP 服務可用的所有工具。
• async invoke_tool(tool_name: str, kwargs: Dict[str, Any]) -> ToolInvocationResult：通過名稱調用特定工具，並傳遞參數。

2. LLM 驅動的工具選擇

支持多種 LLM 提供商，用於根據用戶查詢自動選擇和執行工具：

OpenAI Bridge

bridge = OpenAIBridge(mcp_client, api_key, model="gpt-4o")

Anthropic Bridge

bridge = AnthropicBridge(mcp_client, api_key, model="claude-3-opus-20240229")

Ollama Bridge

bridge = OllamaBridge(mcp_client, model="llama3", host=None)

公共方法

• async process_query(query: str) -> Dict[str, Any]：處理用戶查詢，通過 LLM 執行工具選擇和執行。

3. 命令行界面 (CLI)

提供一個功能強大的 CLI 工具，支持以下操作：

• 連接到任意 MCP 端點
• 在 OpenAI、Anthropic 和 Ollama 之間選擇 LLM
• 查看可用工具及其參數
• 通過自然語言測試工具
• 可視化工具選擇推理和結果

4. 交互式測試 UI

包含一個 Streamlit 應用，提供用戶友好的界面：

• 連接到任意 MCP 端點
• 在 OpenAI、Anthropic 和 Ollama 之間選擇 LLM
• 查看可用工具及其參數
• 通過自然語言測試工具
• 可視化工具選擇推理和結果

📦 安裝指南

從源碼安裝

git clone https://github.com/zanetworker/mcp-sse-client-python.git
cd mcp-sse-client-python
pip install -e .

使用 pip（一旦發佈）

pip install mcp-sse-client

📚 詳細文檔

支持的 LLM 提供商

• OpenAI：支持 GPT-4o、GPT-4 和 GPT-3.5-Turbo 模型
• Anthropic：支持 Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku 模型
• Ollama：支持 Llama 3、Mistral 等本地託管模型

API 參考

MCPClient

client = MCPClient(endpoint)

• endpoint：MCP 服務的 URL（必須為 http 或 https）

方法

• async list_tools() -> List[ToolDef]：列出可用工具。
• async invoke_tool(tool_name: str, kwargs: Dict[str, Any]) -> ToolInvocationResult：通過名稱調用特定工具，並傳遞參數。

LLM Bridge

提供多種 LLM 提供商的橋接類，用於統一接口調用：

OpenAI Bridge

bridge = OpenAIBridge(mcp_client, api_key, model="gpt-4o")

Anthropic Bridge

bridge = AnthropicBridge(mcp_client, api_key, model="claude-3-opus-20240229")

Ollama Bridge

bridge = OllamaBridge(mcp_client, model="llama3", host=None)

項目結構

mcp-sse-client-python/
├── mcp_sse_client/
│   ├── client.py
│   ├── tools.py
│   └── bridges/
│       ├── openai_bridge.py
│       ├── anthropic_bridge.py
│       └── olalla_bridge.py
└── mcp-streamlit-app/
    ├── app.py
    └── templates/
        └── index.html

項目目標

MCP SSE 客戶端旨在簡化與 MCP 服務的交互，同時提供強大的 LLM 集成能力。通過統一接口和靈活的工具調用機制，幫助開發者快速構建智能應用。

貢獻指南

歡迎貢獻！請參考 CONTRIBUTING.md 瞭解如何參與開發。

💻 使用示例

基礎用法

from mcp_sse_client.client import MCPClient
from mcp_sse_client.bridges.openai_bridge import OpenAIBridge

# 初始化 MCP 客戶端
client = MCPClient("http://localhost:8000")

# 獲取可用工具
tools = client.list_tools()
print(tools)

# 通過名稱調用工具
result = await client.invoke_tool("tool_name", {"param": "value"})
print(result)

高級用法

from mcp_sse_client.bridges.openai_bridge import OpenAIBridge

# 初始化 OpenAI 橋接
bridge = OpenAIBridge(mcp_client, api_key="your-api-key", model="gpt-4")

# 處理用戶查詢
result = await bridge.process_query("你的查詢內容")
print(result)