MCP Projects

🚀 mcp-projects

本倉庫是我的MCP（模型上下文協議）項目的代碼存放處。MCP項目旨在為AI系統提供一種標準化方法，使其能以更豐富的方式獲取應用程序的環境、用戶偏好和對話歷史信息，有效解決當前AI系統“工作記憶”有限的問題。

🚀 快速開始

安裝和運行步驟

1. 克隆此倉庫
2. 安裝依賴項

   pip install mcp
   pip install fastapi
   pip install uvicorn
   pip install fastapi-mcp
   pip install llama-index
   pip install llama-index-embeddings-huggingface
   pip install llama-index-llms-langchain
   pip install langchain-mcp-adapters
   pip install mcp-use
   

3. 配置環境變量 在根文件夾中創建一個.env文件，包含以下憑證：

   API_KEY=<IBM雲API密鑰>
   PROJECT_ID=<Watsonx項目ID>
   IBM_CLOUD_URL=<IBM雲URL>
   
   MODEL_ID=<你的Watsonx.ai LLM ID>
   
   TAVILY_API_KEY=<你的Tavily網絡搜索API密鑰>
   
   或者，使用你自己的LLM供應商 - 它對項目是agnostic（需要進行一些更改）
   

4. 試驗不同的項目和文件
   • 確保先運行MCP服務器，然後再運行客戶端
   • 運行客戶端

✨ 主要特性

MCP是什麼？

從根本上說，MCP是一種使應用程序能夠以更豐富的方式向AI模型提供其環境、用戶偏好和對話歷史信息的標準化方法。可以將其想象成是為AI系統提供智能、結構化上下文信息的途徑。

MCP解決的問題

當前的AI系統具有有限的“工作記憶”，即它們只能看到特定數量的對話歷史（其“上下文窗口”）。這就好比與某人交談，對方只能記住最近幾次交流的內容，例如：

• 你：“還記得我們上週討論的關於優化供應鏈的那個項目嗎？”
• 沒有良好上下文的AI：“我不記得那次具體的討論。你能提醒我細節嗎？”

這種限制迫使用戶不斷重複解釋內容，導致交互體驗不佳。MCP通過創建一種維護和訪問上下文的結構化方法來解決此問題。

類比

1. GPS導航

傳統的AI上下文管理就像一次只給出一個轉彎方向而不展示完整地圖的人。如果他們忘記了一步，整個對話就會中斷。

MCP則像GPS導航系統：

• 知道你的目的地
• 記住你喜歡的路線
• 根據即時情況調整
• 總是知道你在旅程中的位置

閱讀這篇文章以全面瞭解MCP：理解模型上下文協議（MCP）：一個門外漢的指南

💡 使用建議

請通過Pull Request的方式為這個項目做出貢獻✨。