MCP 服务器

Azure OpenAI

一个使用模型上下文协议 (MCP) 和 Azure OpenAI 的最小服务器/客户端应用程序实现。

README

使用 Azure OpenAI 的 MCP 服务器和客户端实现

一个利用模型上下文协议 (MCP) 和 Azure OpenAI 的最小服务器/客户端应用程序实现。
1. MCP 服务器使用 FastMCP 构建。
2. Playwright 是 Microsoft 的一个开源端到端测试框架，用于测试您的现代 Web 应用程序。
3. 关于工具的 MCP 响应将被转换为 OpenAI 函数调用格式。
4. 将 MCP 服务器响应转换为 OpenAI 函数调用格式的桥接器自定义了 MCP-LLM Bridge 实现。
5. 为了确保连接稳定，服务器对象直接传递到桥接器中。

模型上下文协议 (MCP)

模型上下文协议 (MCP) MCP（模型上下文协议）是一个开放协议，支持 AI 应用程序与本地或远程资源之间安全、受控的交互。

官方仓库

社区资源

MCP Playwright

配置

在 2024 年 12 月的开发阶段，Python 项目应使用 'uv' 启动。 MCP CLI 尚未完全支持其他依赖项管理库，例如 'pip' 和 'poetry'。

将 .env.template 重命名为 .env，然后在 .env 中填写 Azure OpenAI 的值：

AZURE_OPEN_AI_ENDPOINT=
AZURE_OPEN_AI_API_KEY=
AZURE_OPEN_AI_DEPLOYMENT_MODEL=
AZURE_OPEN_AI_API_VERSION=

安装 uv 以进行 python 库管理
```
pip install uv
uv sync
```
执行 python chatgui.py
- 示例屏幕显示客户端启动浏览器以导航到 URL。
<img alt="chatgui" src="doc/chatgui_gpt_generate.png" width="300"/>

关于 'stdio'

stdio 是一个传输层（原始数据流），而 JSON-RPC 是一个应用协议（结构化通信）。它们是不同的，但经常互换使用，例如协议中的“基于 stdio 的 JSON-RPC”。

工具描述

@self.mcp.tool()
async def playwright_navigate(url: str, timeout=30000, wait_until="load"):
    """Navigate to a URL.""" -> 此注释提供了一个描述，该描述可能用于类似于 LLM 中函数调用的机制。

# 输出
Tool(name='playwright_navigate', description='Navigate to a URL.', inputSchema={'properties': {'url': {'title': 'Url', 'type': 'string'}, 'timeout': {'default': 30000, 'title': 'timeout', 'type': 'string'}

提示：uv

功能

uv run: 运行脚本。
uv venv: 创建一个新的虚拟环境。 默认为 '.venv'。
uv add: 向脚本添加依赖项
uv remove: 从脚本中删除依赖项
uv sync: 将项目的依赖项与环境同步（安装）。

提示

用于 python.exe 的 taskkill 命令

taskkill /IM python.exe /F

Visual Code：Python 调试器：使用 launch.json 进行调试将使用 .vscode/launch.json 中的配置启动调试器。

<!-- ### 示例查询

导航到网站 http://eaapp.somee.com 并单击登录链接。在登录页面中，分别输入用户名和密码“admin”和“password”并执行登录。然后单击“员工列表”页面，然后单击“创建新”按钮，并输入真实的员工详细信息以创建姓名、薪水、工作时长、为等级选择下拉列表为 CLevel 和电子邮件。 -->