mcp-server

用于实验 LLM 工具的 MCP 服务器

创建此项目的目的是为了理解 MCP 服务器、协议以及在 LLM 中的用法。不建议重复使用！

依赖

• 安装 'uv'
• 运行 uv sync

单元测试

• uv run pytest

启动服务器

uv run mcp dev server.py

(.venv) ➜  mcp-server git:(main) ✗ uv run mcp dev server.py
Starting MCP inspector...
Proxy server listening on port 3000

🔍 MCP Inspector is up and running at http://localhost:5173 🚀

查看工具

可用工具

工具	描述	后端服务	必需配置
add	简单的加法工具	本地计算	无
calculator	计算数学表达式	本地计算	无
calculate_bmi	计算身体质量指数	本地计算	无
echo	返回未更改的输入文本	本地计算	无
long_task	处理具有进度跟踪的文件	本地文件系统	无
duckduckgo_search	使用 DuckDuckGo 进行网络搜索	DuckDuckGo HTML 端点	无
wikipedia_search	搜索维基百科文章	维基百科 API	无
fetch_weather	获取当前位置的天气	OpenWeatherMap API	OPENWEATHER_API_KEY
openmeteo_forecast	获取详细的天气预报	Open-Meteo API	无
news_search	搜索最近的新闻文章	NewsAPI	NEWSAPI_KEY
tavily_search	AI 驱动的网络搜索	Tavily API	TAVILY_API_KEY
arxiv_search	搜索学术论文	arXiv API	无
github_get_file	从 GitHub 检索文件内容	GitHub API	GITHUB_TOKEN
github_list_issues	列出存储库中的 issue	GitHub API	GITHUB_TOKEN
github_create_issue	在存储库中创建一个新的 issue	GitHub API	GITHUB_TOKEN
github_list_pull_requests	列出存储库中的 PR	GitHub API	GITHUB_TOKEN
github_search_code	在 GitHub 上搜索代码	GitHub API	GITHUB_TOKEN
github_user_activity	获取用户的 GitHub 活动摘要	GitHub API	GITHUB_TOKEN
create_thumbnail	创建图像缩略图	本地图像处理	无

环境变量配置

要使用需要 API 密钥的工具，请将以下内容添加到您的环境中：

# 天气服务
export OPENWEATHER_API_KEY="your_openweather_api_key"

# 新闻服务
export NEWSAPI_KEY="your_newsapi_key"

# 搜索服务
export TAVILY_API_KEY="your_tavily_api_key"

# GitHub 工具
export GITHUB_TOKEN="your_github_personal_access_token"

示例聊天应用程序

该存储库包含一个示例聊天应用程序，演示了如何将 MCP 工具与 Ollama LLM 服务一起使用。

前提条件

• 从 https://ollama.ai/ 安装 Ollama
• 拉取 granite 模型：ollama pull granite3.2:latest（或使用任何其他模型）
• 安装其他依赖项：uv pip install litellm colorama python-dotenv httpx

配置

在项目根目录中创建一个 .env 文件，其中包含您的配置：

# Ollama 配置
OLLAMA_SERVER=http://localhost:11434
OLLAMA_MODEL=granite3.2:latest  # 更改为您已拉取的任何模型

# MCP 服务器端点（默认为 localhost:3000）
MCP_ENDPOINT=localhost:3000

# 日志记录配置
LOG_FILE=chat_interactions.log

# 各种服务的 API 密钥
OPENWEATHER_API_KEY=your_api_key_here
NEWSAPI_KEY=your_api_key_here
TAVILY_API_KEY=your_api_key_here
GITHUB_TOKEN=your_token_here

启动聊天应用程序

首先，在一个终端中启动 MCP 服务器：

uv run mcp dev server.py

然后，在另一个终端中运行聊天应用程序：

python run_chat.py

与 LLM 交互，它现在可以访问 MCP 服务器提供的所有工具。

特点

• 聊天应用程序会在适当的时候自动使用 MCP 工具
• 所有交互都记录到 LOG_FILE 中指定的文件
• 当 LLM 认为需要它们来回答问题时，将调用工具
• 工具参数会根据 LLM 对查询的理解自动填充

注意事项

• 它尚不适用于默认模型......正在开发中！