MCP Server Practice 2

🚀 MCP 服務器實踐

本項目倉庫實現了一個支持 LinkedIn 資料抓取和天氣數據檢索的 Model Context Protocol (MCP) 服務器。MCP 框架的運用，極大地促進了 AI 服務之間的無縫集成與高效通信，為相關應用開發提供了有力支持。

🚀 快速開始

此 MCP 服務器可實現 LinkedIn 資料抓取和天氣數據檢索功能。下面為你介紹如何快速搭建並使用該服務器。

✨ 主要特性

• LinkedIn 資料抓取器：藉助 Fresh LinkedIn Profile Data API，能夠精準抓取 LinkedIn 資料信息。
• 天氣數據服務：通過 National Weather Service (NWS) API，可獲取詳細的天氣預警和預報信息。

📦 安裝指南

1. 克隆倉庫

git clone https://github.com/mybarefootstory/MCP-Server-Practice-2.git
cd MCP-Server-Practice-2

2. 安裝依賴項

pip install httpx python-dotenv mcp

3. 配置環境變量

• 在項目根目錄下創建一個 .env 文件。
• 向 .env 文件中添加你的 RapidAPI 密鑰：

RAPIDAPI_KEY=your_rapidapi_key_here

💻 使用示例

LinkedIn 資料抓取器

基礎用法

from mcp.server.fastmcp import FastMCP
import httpx
import os
from dotenv import load_dotenv

load_dotenv()
RAPIDAPI_KEY = os.getenv("RAPIDAPI_KEY")

mcp = FastMCP("linkedin_profile_scraper")

async def get_linkedin_data(linkedin_url: str) -> dict:
    # 抓取 LinkedIn 資料數據
    ...

@mcp.tool()
async def get_profile(linkedin_url: str) -> str:
    # 獲取 LinkedIn 資料信息
    ...

if __name__ == "__main__":
    mcp.run(transport="stdio")

天氣數據服務

基礎用法

from mcp.server.fastmcp import FastMCP
import httpx

mcp = FastMCP("weather")

async def make_nws_request(url: str) -> dict:
    # 發送請求到 NWS API
    ...

@mcp.tool()
async def get_alerts(state: str) -> str:
    # 獲取某個美國州的天氣預警
    ...

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    # 獲取某個位置的天氣預報
    ...

if __name__ == "__main__":
    mcp.run(transport='stdio')

📚 詳細文檔

LinkedIn 資料抓取器

使用 Fresh LinkedIn Profile Data API 抓取 LinkedIn 資料信息。服務器通過 FastMCP 初始化，並監聽請求以獲取資料數據。運行服務器後，使用 get_profile 工具即可獲取 LinkedIn 資料信息。

天氣數據服務

通過 NWS API 獲取天氣預警和預報。服務器通過 FastMCP 初始化，並提供獲取預警和預報的工具。運行服務器後，使用 get_alerts 和 get_forecast 工具可獲取天氣信息。

🔧 技術細節

先決條件

• Python 3.7+：作為項目的運行環境，確保具備基本的 Python 編程能力和運行環境。
• httpx：用於進行異步 HTTP 請求，提高請求效率和性能。
• python-dotenv：負責環境變量的管理，保障敏感信息的安全存儲和使用。
• mcp：用於 MCP 服務器的實現，是整個項目的核心框架。