Fluent MCP

🚀 流畅的MCP框架介绍

流畅的MCP（Model Context Protocol）框架是一个用于构建模型上下文协议服务器的现代框架，专注于人工智能推理功能。它提供了高效、安全且易于扩展的方式来管理和运行复杂的AI模型，为AI模型的管理与运行带来了极大便利。

🚀 快速开始

创建新服务器

命令行生成

# 使用命令生成项目结构
fluent-mcp new my_server
cd my_server
npm install

编程方式创建

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

核心架构模式

两层LLM结构

• 嵌入式LLM：负责处理内部复杂推理和计算。
• 消耗型LLM：用于外部模型（如Claude），通过API访问。

工具分离

• 内部工具：仅限于嵌入式LLM使用，增强系统安全性。
• 外部工具：暴露给消耗型LLM，实现功能扩展。

💻 使用示例

基础用法

注册工具

from fluent_mcp.core.tool_registry import register_tool

@register_tool(name="search_database")
def search_database(query):
    # 查询数据库并返回结果
    pass

@register_tool(name="analyze_data")
def analyze_data(data):
    # 分析数据并返回结果
    pass

使用工具

from fluent_mcp.core.tool_registry import get_tool

# 获取注册的工具
database_tool = get_tool("search_database")
data_analyzer = get_tool("analyze_data")

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

高级用法

提示中的工具定义

通过在提示文件中指定可用工具，增强控制和安全性：

---
name: math_tools
description: 一个使用数学相关工具的提示
model: gpt-4
temperature: 0.3
tools:
  - add_numbers
  - multiply_numbers
---
您是一个数学助理，能够执行计算。
使用可用工具帮助解决数学问题。

📚 详细文档

详细文档请参考docs目录：

• 入门指南
• 创建工具
• 运行服务器
• 嵌入式推理
• 限流策略
• 自改进系统
• 故障排除
• API参考

更多示例请查看examples目录：

• 工具注册示例
• 嵌入式推理示例
• 外部工具示例
• 推理外部工具示例
• 提示加载器示例
• 提示工具示例

🔧 技术细节

开发信息

安装依赖

pip install -e ".[dev]"

运行测试

pytest

代码规范

flake8
black .
isort .

📄 许可证

本项目采用MIT许可证。