MCP ChatBot L9 —— 混合传输模式

在 L7 的基础上，将 research server 从本地 stdio 子进程改为远程 SSE 服务器。

架构变化

组件	L7	L9
research server	stdio 子进程	SSE 远程 (port 8001)
filesystem server	stdio 子进程	stdio 子进程 (不变)
fetch server	stdio 子进程	stdio 子进程 (不变)
LLM API	DeepSeek (openai SDK)	DeepSeek (不变)

运行方式

# 1. 启动远程 SSE 服务器（终端 1）
uv run research_server.py

# 2. 启动聊天机器人（终端 2）
uv run mcp_chatbot.py

命令

命令	说明
@folders	查看可用论文主题文件夹
@topic_name	查看某主题的论文列表
/prompts	列出所有提示模板
/prompt <name> arg1=val1 ...	执行提示模板
quit	退出对话

---

🚀 部署到 Render（远程 SSE 服务）

1. 创建 GitHub 仓库

在 GitHub 创建新仓库（例如 mcp-research-server），不要勾选 "Add a README file"。

2. 推送代码

cd L9/mcp_project

# 初始化 git
git init
git add .
git commit -m "Initial commit: MCP Research Server (SSE)"

# 关联远程仓库并推送
git remote add origin https://github.com/<你的用户名>/mcp-research-server.git
git branch -M main
git push -u origin main

3. Render 关联部署

1. 登录 Render Dashboard（用 GitHub 账号）
2. 点击 New + → Web Service
3. 选择刚推送的 GitHub 仓库
4. Render 自动检测 render.yaml，或者手动配置：
   • Build Command: pip install -r requirements.txt
   • Start Command: python research_server.py
5. 点击 Deploy Web Service

4. 更新客户端配置

部署成功后，Render 会分配一个 URL（如 https://mcp-research-server.onrender.com）。

修改 server_config.json 中的 research 服务器 URL：

{
    "mcpServers": {
        "research": {
            "transport": "sse",
            "url": "https://mcp-research-server.onrender.com/sse"
        }
    }
}

5. 测试远程服务

# 启动 chatbot（现在连接到远程 Render 服务器）
uv run mcp_chatbot.py

注意: Render 免费层在无流量时会休眠，首次请求可能需要 30-60 秒唤醒。

项目文件说明

文件	用途
research_server.py	FastMCP SSE 服务器（端口由 PORT 环境变量控制）
mcp_chatbot.py	混合传输客户端（sse_client + stdio_client）
server_config.json	MCP 服务器连接配置
render.yaml	Render Blueprint 部署配置
requirements.txt	Render 部署用的 pip 依赖
pyproject.toml	本地开发用 uv 依赖
papers/	论文数据存储目录