gomcptest：使用自定义主机进行 MCP 的概念验证

本项目是一个概念验证 (POC)，演示了如何使用自定义构建的主机来实现模型上下文协议 (MCP)，以便与代理系统进行交互。代码主要从头开始编写，以清晰地了解底层机制。

请访问实验性网站以获取文档（自动生成）：https://owulveryck.github.io/gomcptest/

目标

本项目的主要目标是通过模型上下文协议轻松测试代理系统。例如：

• 可以专门化 dispatch_agent 来扫描代码库中的安全漏洞
• 创建代码审查代理，可以分析拉取请求中的潜在问题
• 构建数据分析代理，可以处理和可视化复杂的数据集
• 开发自动化文档代理，可以从代码生成全面的文档

可以使用此存储库中提供的工具轻松测试和迭代这些专门的代理。

前提条件

• Go >= 1.21
• 访问 Google Cloud Platform 上的 Vertex AI API
• github.com/mark3labs/mcp-go

这些工具使用 gcloud auth login 配置的默认 GCP 登录凭据。

项目结构

• host/openaiserver: 实现一个自定义主机，该主机使用 Google Gemini 和函数调用来模拟 OpenAI API。这是 POC 的核心。
• tools: 包含各种与 MCP 兼容的工具，可以与主机一起使用：
  • Bash: 执行 bash 命令
  • Edit: 编辑文件内容
  • GlobTool: 查找与 glob 模式匹配的文件
  • GrepTool: 使用正则表达式搜索文件内容
  • LS: 列出目录内容
  • Replace: 替换整个文件内容
  • View: 查看文件内容

组件

主要特性

• OpenAI 兼容性： 该 API 旨在与 OpenAI v1 聊天完成格式兼容。
• Google Gemini 集成： 它利用 VertexAI API 与 Google Gemini 模型进行交互。
• 流式传输支持： 服务器支持流式传输响应。
• 函数调用： 允许 Gemini 调用外部函数并将结果合并到聊天响应中。
• MCP 服务器交互： 演示与假设的 MCP（模型控制平面）服务器的交互以执行工具。
• 单次聊天会话： 应用程序使用单次聊天会话，新的对话不会触发新的会话。

构建工具

您可以使用包含的 Makefile 构建所有工具：

# 构建所有工具
make all

# 或构建单个工具
make Bash
make Edit
make GlobTool
make GrepTool
make LS
make Replace
make View

配置

读取 bin 目录中的 .envrc 文件以设置所需的环境变量：

export GCP_PROJECT=your-project-id
export GCP_REGION=your-region
export GEMINI_MODELS=gemini-2.0-flash
export IMAGEN_MODELS=imagen-3.0-generate-002
export IMAGE_DIR=/tmp/images

测试 CLI

您可以从 bin 目录中使用以下命令测试 CLI（类似于 Claude Code 的工具）：

./cliGCP -mcpservers "./GlobTool;./GrepTool;./LS;./View;./dispatch_agent -glob-path .GlobTool -grep-path ./GrepTool -ls-path ./LS -view-path ./View;./Bash;./Replace"

注意事项

⚠️ 警告：这些工具能够执行命令和修改系统上的文件。最好在 chroot 或容器环境中使用它们，以防止对系统造成潜在损害。

快速入门

本指南将帮助您快速运行位于 host/openaiserver 目录中的 openaiserver。

前提条件

• 已安装并配置 Go。
• 已正确设置环境变量。

运行服务器

1. 导航到 host/openaiserver 目录：

   cd host/openaiserver
   

2. 设置所需的环境变量。有关环境变量的详细信息，请参阅配置部分。一个最小的例子：

   export IMAGE_DIR=/path/to/your/image/directory
   export GCP_PROJECT=your-gcp-project-id
   export IMAGE_DIR=/tmp/images # 目录必须存在
   

3. 运行服务器：

   go run .
   

   或

   go run main.go
   

服务器将启动并在配置的端口（默认：8080）上侦听。

配置

openaiserver 应用程序使用环境变量进行配置。支持以下变量：

全局配置

变量	描述	默认值	是否必需
PORT	服务器侦听的端口	8080	否
LOG_LEVEL	日志级别（DEBUG、INFO、WARN、ERROR）	INFO	否
IMAGE_DIR	存储图像的目录		是

GCP 配置

变量	描述	默认值	是否必需
GCP_PROJECT	Google Cloud 项目 ID		是
GEMINI_MODELS	以逗号分隔的 Gemini 模型列表	gemini-1.5-pro,gemini-2.0-flash	否
GCP_REGION	Google Cloud 区域	us-central1	否
IMAGEN_MODELS	以逗号分隔的 Imagen 模型列表		否
IMAGE_DIR	存储图像的目录		是
PORT	服务器侦听的端口	8080	否

备注

• 这是一个 POC，存在局限性。
• 提供的代码按原样提供，仅用于教育目的，以了解如何使用自定义主机实现 MCP。