MCP Oci Integration

🚀 MCP Oracle OCI集成项目

本项目提供了代码和示例，助力以下任务的完成：

• 开发：使用Python开发MCP服务器。
• 运行：在Oracle OCI上运行MCP服务器。
• 集成：将MCP服务器与AI智能体集成。
• 集成：将MCP服务器与其他OCI资源（如ADB、Select AI等）集成。
• 集成：将运行在OCI上的MCP服务器与ChatGPT、Claude.ai、MS Copilot等AI助手集成。
• 集成：将MCP服务器与OCI APM集成，实现可观测性。
• 指南：为你的MCP服务器创建Docker镜像。

🚀 快速开始

什么是MCP？

MCP（模型上下文协议） 是一种开源标准，它允许AI模型（如大语言模型或智能体）通过统一接口与外部工具、数据源和服务进行双向连接。

它用一种标准协议取代了 “N×M” 集成问题（即每个AI与数据源的集成都需要定制代码）。

MCP支持对可用工具和上下文的动态发现，实现以下功能：

• 使AI助手能够访问企业知识库中的相关信息。
• 使智能体能够在不同系统之间进行推理和链式操作。

它正迅速获得关注：像OpenAI、Google DeepMind、Oracle等主要参与者都在采用它，以使AI系统更具可组合性和互操作性。

在当今的智能AI领域，MCP至关重要，因为它允许模型在现实世界系统中发挥有意义的作用，而不是成为孤立的黑盒。

使用Python开发MCP服务器

最简单的方法是使用 FastMCP 库。

示例：

• 在 Minimal MCP Server 中，你将找到一个优秀的最小化示例，该服务器公开了两个工具，并可选择使用 JWT 进行保护。

如果你想从更简单的示例开始，可以查看 如何开始开发MCP。它更简单，不支持JWT令牌。

如何测试

如果你想快速测试你开发的MCP服务器（或这里提供的最小化示例），可以使用 Streamlit UI。

在Streamlit应用程序中，你可以：

• 指定MCP服务器的URL（默认值在 mcp_servers_config.py 中）。
• 选择OCI生成式AI中可用的模型之一。
• 测试使用MCP服务器公开的工具回答问题。

在 llm_with_mcp.py 中，有工具调用循环的完整实现。

语义搜索

本仓库中有一个完整的MCP服务器实现，它基于Oracle 23AI实现了语义搜索。 要使用它，你只需要：

• 将文档加载到Oracle数据库中。
• 在config_private.py中设置正确的配置以连接到数据库。

代码可在 这里 找到。

通过新的 langchain-oci集成库 可以访问Oracle 23AI向量搜索。

添加安全性

如果你想将MCP服务器投入生产，需要在多个层面添加安全性。

仅提及几个重要点：

• 不要直接将MCP服务器暴露在互联网上。
• 与MCP服务器的通信必须加密（例如，使用TLS）。
• 要对客户端进行身份验证和授权。

使用OCI服务，你可以采取以下措施来实现适当的安全级别：

• 可以在前面放置一个OCI API网关，将其用作TLS终止点。
• 可以启用使用JWT令牌进行身份验证。
• 可以使用OCI IAM生成JWT令牌。
• 可以使用OCI网络安全功能。

更多详细信息请参考专门页面。

将MCP语义搜索与ChatGPT集成

如果你部署了 MCP语义搜索 服务器，可以在开发者模式下测试与ChatGPT的集成。它提供了一个符合OpenAI规范的搜索工具。

不久后，我们将添加一个完全符合OpenAI规范的服务器，该服务器可集成到深度研究中。该服务器必须实现两种方法（搜索和获取），并严格遵循OpenAI规范。

初始实现可在 这里 找到。

详细信息可在 这里 查看。

集成OCI ADB Select AI

另一个选择是使用MCP服务器将OCI SelectAI集成到ChatGPT或其他支持MCP的助手中。 通过这种方式，你可以对数据库模式进行完整的文本转SQL搜索。然后，AI助手可以处理你检索到的数据。

一个示例可在 这里 找到。

有关Select AI的配置，请参阅 这里。