MCP MultiServer Interoperable Agent2Agent LangGraph AI System

🚀 项目总述

本项目围绕模型控制台协议（MCP）展开，MCP作为一种通用的AI接口，能让外部AI应用程序与结构化数据源及可执行函数交互，极大提升了AI系统的灵活性和扩展性。下面将详细介绍MCP协议的相关内容、项目实施步骤等。

✨ 主要特性

🔍 MCP协议简介

MCP概述

• 模型控制台协议（MCP） 是一种通用的AI接口，它允许外部AI应用程序（如Claude Desktop或Cursor）与结构化数据源及可执行函数进行交互。其设计类似于USB - C接口，MCP服务器就像一个外设，可连接到多个AI系统中。

MCP客户端与服务端角色

• MCP客户端（嵌入在AI宿主如Claude或Cursor中）：负责请求工具、查询资源并处理提示，是AI系统与MCP服务器之间的桥梁。
• MCP服务器（本地实现）：能够暴露工具（例如天气API）供AI客户端动态调用，提供资源（例如API响应、数据库记录），还能处理提示以启用结构化用户交互。

MCP功能与未来增强

• 代理组合性：架构支持多层代理交互，AI代理可同时作为MCP客户端和服务端，便于模块化和专门化的代理处理不同任务。
• 自我演进的AI通过注册API：未来版本可支持动态工具发现，让AI客户端能实时注册和发现新的MCP功能。
• 开发与调试支持：可利用Anthropic的MCP Inspector进行交互式测试和调试，无需全面部署。

MCP与容器化

• 初始化项目时使用UV，创建虚拟环境并安装依赖（如MCP CLI）。
• 使用Cursor索引官方MCP文档，并根据Cursor规则更新项目。

📦 安装指南

虽然原文档未明确提及完整的安装步骤，但提到了部分安装相关内容：

• 初始化项目时使用UV，创建虚拟环境并安装依赖（如MCP CLI）。

💻 使用示例

实现一个简单的MCP服务器

在server.py中使用MCP Python SDK实现一个简单的MCP服务器，该服务器应暴露一个称为“终端工具”的功能，允许用户运行终端命令。

# 此处应是使用MCP Python SDK实现简单MCP服务器的代码，但原文档未给出，可根据实际情况补充

暴露资源到MCP服务器

使用MCP Python SDK编写代码以在MCP服务器上暴露资源，目标是将位于桌面目录下的mcpreadme.md文件作为资源提供。

# 此处应是使用MCP Python SDK暴露资源的代码，但原文档未给出，可根据实际情况补充

📚 详细文档

避免重复造轮子

• MCP类似于USB - C接口，MCP服务器如同一个外部设备，可连接到AI（如Claude Desktop）或云应用。
• 功能只需编写一次，即可在多个宿主中插件使用。MCP客户端嵌入在MCP宿主中以实现与MCP服务器的一对一交互。MCP客户端调用工具、查询资源、插入提示；而MCP服务器暴露工具（模型控制：检索、数据库更新、发送）、资源（应用程序控制：数据库记录、API）和提示（用户控制：文档）。

📄 许可证

原文档未提及许可证相关信息，故跳过该章节。

🔗 参考链接

• MCP速成课程：一日掌握模型上下文协议