MCP-AI-Infra-Real-Time-Agent

开发了一个基于 MCP 的 AI 基础设施，支持实时工具执行、结构化知识检索以及针对 Claude 和 Cursor 等 AI 客户端的动态代理交互。

项目概述

MCP-Servers 项目专注于实现和扩展 MCP (模型控制协议) 服务器，该服务器为 Claude 和 Cursor 等 AI 系统提供实时的、基于文档的响应。目标是集成一个 MCP 客户端-服务器架构，使 AI 模型能够动态访问结构化知识并调用特定工具。

核心目标

1. MCP 客户端-服务器集成

• 实现一个 MCP 服务器，该服务器连接到 Claude 3.7 Sonnet Desktop 和 Cursor 等 AI 客户端。
• 使用现有的 MCP 框架（例如，mcpdoc）以避免重复发明核心功能。

2. 扩展 MCP 服务器功能

• 为 MCP 服务器开发自定义工具，特别是用于获取外部数据（如天气预报和警报）的工具。
• 将这些功能作为 MCP 工具 (get_forecast, get_alerts) 公开，使其可供 AI 客户端使用。

3. 增强 AI 工具执行

• 使 AI 模型能够通过在用户批准后调用工具来与 MCP 服务器交互。
• 确保正确处理资源（例如，API 响应、文件内容）和提示（用于结构化任务的预写模板）。

---

MCP 架构 & 工作流程

1. MCP 作为通用 AI 接口

• MCP 充当互操作性层，允许外部 AI 应用程序（Claude、Cursor 等）与结构化数据源和可执行函数交互。
• 它遵循 类似 USB-C 的架构，其中 MCP 服务器充当可以连接到各种 AI 系统的外部插件。

2. MCP 客户端-服务器角色

MCP 客户端（嵌入在 Claude 或 Cursor 等 AI 主机中）

• 请求工具、查询资源并处理提示。
• 充当 AI 系统和 MCP 服务器之间的桥梁。

MCP 服务器（在本地实现）

• 公开工具（例如，天气 API），以便 AI 客户端动态调用。
• 提供资源（例如，API 响应、数据库查询）。
• 处理提示以实现结构化的用户交互。

---

主要特性 & 未来增强

• 代理可组合性：该架构允许多层代理交互，其中 AI 代理可以同时充当 MCP 客户端和服务器。这使得模块化、专业化的代理能够处理不同的任务。
• 通过注册表 API 实现自我进化的 AI：未来的迭代可以支持动态工具发现，其中 AI 客户端可以实时注册和发现新的 MCP 功能。
• 开发 & 调试支持：利用 Anthropic 的 MCP Inspector 来测试和调试 MCP 交互，而无需完全部署。

---

结论

该项目构建了一个 MCP 驱动的 AI 基础设施，该基础设施将 AI 模型与实时结构化知识连接起来，通过自定义工具执行扩展其功能，并增强代理可组合性。目标是创建一个自适应的、类似插件的 AI 系统，该系统可以集成到多个主机中，同时通过工具注册和运行时发现动态演进。

Appendix

• 不要重复造轮子

MCP 就像 USB-C，MCP 服务器就像可以与 AI (Claude Desktop) 或云应用程序连接的外部设备。 我们可以编写一次功能，然后插入到许多 MCP 主机中。 MCP 客户端位于 MCP 主机内部，通过 MCP 协议与 MCP 服务器进行 1:1 交互。 MCP 客户端调用工具、查询资源、插入提示； MCP 服务器公开工具（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）、提示（用户控制：文档）。

MCP + 容器化

使用 UV 初始化项目，使用 UV 创建虚拟环境，安装依赖项 (MCP [CLI])，使用 Cursor 索引官方 MCP 文档，使用 Cursor 规则更新项目

Vibe coding

• @server.py 从 @MCP 实现一个简单的 MCP 服务器。 使用 Python SDK @MCP Python SDK，服务器应该公开一个名为 terminal tool 的工具，该工具允许用户运行终端命令，使其简单
• 帮助我在我的 mcp 服务器 @MCP 中公开一个资源，再次使用 @MCP Python SDK 来编写代码。 我想在我的桌面目录下公开 mcpreadme.md。