Fluent MCP

🚀 流暢的MCP框架介紹

流暢的MCP（Model Context Protocol）框架是一個用於構建模型上下文協議服務器的現代框架，專注於人工智能推理功能。它提供了高效、安全且易於擴展的方式來管理和運行復雜的AI模型，為AI模型的管理與運行帶來了極大便利。

🚀 快速開始

創建新服務器

命令行生成

# 使用命令生成項目結構
fluent-mcp new my_server
cd my_server
npm install

編程方式創建

from fluent_mcp import create_mcp_server

server = create_mcp_server(
    server_name="my_server",
    embedded_tools=[search_database, analyze_data],
    external_tools=[research_question],
    config={
        "provider": "ollama",
        "model": "llama2",
        "base_url": "http://localhost:11434",
        "api_key": "ollama"
    }
)

server.run()

✨ 主要特性

核心架構模式

兩層LLM結構

• 嵌入式LLM：負責處理內部複雜推理和計算。
• 消耗型LLM：用於外部模型（如Claude），通過API訪問。

工具分離

• 內部工具：僅限於嵌入式LLM使用，增強系統安全性。
• 外部工具：暴露給消耗型LLM，實現功能擴展。

💻 使用示例

基礎用法

註冊工具

from fluent_mcp.core.tool_registry import register_tool

@register_tool(name="search_database")
def search_database(query):
    # 查詢數據庫並返回結果
    pass

@register_tool(name="analyze_data")
def analyze_data(data):
    # 分析數據並返回結果
    pass

使用工具

from fluent_mcp.core.tool_registry import get_tool

# 獲取註冊的工具
database_tool = get_tool("search_database")
data_analyzer = get_tool("analyze_data")

# 執行操作
result Database = database_tool(query)
result Analysis = data_analyzer(data)

高級用法

提示中的工具定義

通過在提示文件中指定可用工具，增強控制和安全性：

---
name: math_tools
description: 一個使用數學相關工具的提示
model: gpt-4
temperature: 0.3
tools:
  - add_numbers
  - multiply_numbers
---
您是一個數學助理，能夠執行計算。
使用可用工具幫助解決數學問題。

📚 詳細文檔

詳細文檔請參考docs目錄：

• 入門指南
• 創建工具
• 運行服務器
• 嵌入式推理
• 限流策略
• 自改進系統
• 故障排除
• API參考

更多示例請查看examples目錄：

• 工具註冊示例
• 嵌入式推理示例
• 外部工具示例
• 推理外部工具示例
• 提示加載器示例
• 提示工具示例

🔧 技術細節

開發信息

安裝依賴

pip install -e ".[dev]"

運行測試

pytest

代碼規範

flake8
black .
isort .

📄 許可證

本項目採用MIT許可證。