
MCP Guide
A guide for implementing Model Context Protocol (MCP) servers that provide AI models with external tools like web search, text manipulation, and mathematical operations.
README
MCP (Model Context Protocol) Guide
Что такое MCP?
Model Context Protocol (MCP) — это открытый протокол для подключения AI-моделей к внешним данным и инструментам. MCP позволяет создавать серверы, которые предоставляют инструменты (tools) для AI-моделей, расширяя их возможности.
Основные концепции:
- MCP Server — сервер, который предоставляет инструменты и данные
- MCP Client — клиент, который подключается к серверам и использует их инструменты
- Tools — функции, которые может вызывать AI-модель (например, поиск в интернете, работа с файлами, API вызовы)
Как работает MCP?
- Сервер регистрирует инструменты и запускается
- Клиент подключается к серверу и получает список доступных инструментов
- AI-модель использует инструменты через клиента для выполнения задач
- Результаты возвращаются модели для дальнейшей обработки
Архитектура проекта
MCP_guide/
├── mcp_server.py # MCP сервер с инструментами
├── main.py # Клиент и агент
├── model.py # Модель Groq
├── settings.py # Настройки
├── requirements.txt # Зависимости
└── README.md # Этот файл
Установка и запуск
1. Установка зависимостей
pip install -r requirements.txt
2. Настройка переменных окружения
Создайте файл .env
в корне проекта:
GROQ_API=your_groq_api_key_here
MODEL_NAME=llama3-8b-8192
MCP_SERVER_URL=http://127.0.0.1:8000
TAVILY_API=your_tavily_api_key_here
3. Получение API ключей
- Groq API: Зарегистрируйтесь на groq.com
- Tavily API: Зарегистрируйтесь на tavily.com
4. Запуск проекта
Для начала щапускаем сервер mcp_server.py
python mcp_server.py
Либо
fastmcp run mcp_server.py
Затем сам код
python main.py
Доступные инструменты
В данном проекте реализованы следующие инструменты:
1. tavily_search
- Описание: Поиск информации в интернете
- Параметры:
query
(строка) - Пример: Поиск новостей, информации о технологиях
2. add
- Описание: Сложение двух чисел
- Параметры:
a
(int),b
(int) - Пример:
add(5, 3)
→8
3. reverse
- Описание: Переворачивание текста
- Параметры:
text
(строка) - Пример:
reverse("hello")
→"olleh"
4. greet
- Описание: Создание приветствия
- Параметры:
name
(строка) - Пример:
greet("Анна")
→"Привет, Анна!"
Транспорты MCP
stdio (рекомендуется)
- Простой и надежный
- Работает через стандартный ввод/вывод
- Подходит для локальной разработки
streamable-http
- Работает через HTTP с Server-Sent Events
- Требует правильных заголовков
- Подходит для веб-приложений
Примеры использования
Базовый пример
import asyncio
from langchain_mcp_adapters.client import MultiServerMCPClient
async def main():
# Подключение к MCP серверу
client = MultiServerMCPClient({
"demo": {
"command": "python",
"args": ["mcp_server.py"],
"transport": "stdio",
}
})
# Получение инструментов
tools = await client.get_tools()
print(f"Доступно инструментов: {len(tools)}")
asyncio.run(main())
Использование с LangGraph
from langgraph.prebuilt import create_react_agent
# Создание агента с MCP инструментами
agent = create_react_agent(
tools=tools,
model=llm
)
# Вызов агента
result = agent.invoke({
"messages": [{"role": "user", "content": "Сложи 5 и 3"}]
})
Устранение неполадок
Ошибка "Not Acceptable: Client must accept text/event-stream"
- Причина: Неправильная конфигурация HTTP транспорта
- Решение: Используйте stdio транспорт или добавьте правильные заголовки
Ошибка "Expected dict, got string"
- Причина: Неправильный формат входных данных для агента
- Решение: Передавайте данные в формате
{"messages": [...]}
Ошибка подключения к серверу
- Причина: Сервер не запущен или неправильный URL
- Решение: Убедитесь, что сервер запущен и URL корректный
Расширение функциональности
Добавление нового инструмента
- Добавьте функцию в
mcp_server.py
:
@mcp.tool()
def multiply(a: int, b: int) -> int:
"""Умножить два числа."""
return a * b
- Перезапустите сервер
Подключение к внешним API
@mcp.tool()
def weather(city: str) -> str:
"""Получить погоду для города."""
# Ваш код для API вызова
return f"Погода в {city}: солнечно"
Полезные ссылки
Лицензия
MIT License
推荐服务器

Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。