MCP SSE Client Python

一个使用服务器发送事件 (SSE) 与模型上下文协议 (MCP) 端点交互的 Python 客户端。

快速开始

几分钟内即可启动并运行：

# 克隆仓库
git clone https://github.com/zanetworker/mcp-sse-client-python.git
cd mcp-sse-client-python

# 安装包
pip install -e .

# 尝试交互式 Streamlit 应用
cd mcp-streamlit-app
pip install -r requirements.txt
streamlit run app.py

什么是 MCP SSE Client？

此客户端提供了一个简单的接口，用于：

• 通过服务器发送事件连接到 MCP 端点
• 发现和调用带有参数的工具
• 与 LLM（OpenAI、Anthropic、Ollama）集成，实现 AI 驱动的工具选择
• 通过 Streamlit UI 交互式测试工具

核心功能

1. 简单 MCP 客户端

轻松连接到任何 MCP 端点并与可用工具交互：

import asyncio
from mcp_sse_client import MCPClient

async def main():
    # 连接到 MCP 端点
    client = MCPClient("http://localhost:8000/sse")
    
    # 列出可用工具
    tools = await client.list_tools()
    print(f"Found {len(tools)} tools")
    
    # 调用计算器工具
    result = await client.invoke_tool(
        "calculator", 
        {"x": 10, "y": 5, "operation": "add"}
    )
    print(f"Result: {result.content}")  # 输出: Result: 15

asyncio.run(main())

2. LLM 驱动的工具选择

让 AI 根据自然语言查询选择合适的工具：

import os
from mcp_sse_client import MCPClient, OpenAIBridge

# 连接到 MCP 端点并创建一个 LLM 桥
client = MCPClient("http://localhost:8000/sse")
bridge = OpenAIBridge(
    client,
    api_key=os.environ.get("OPENAI_API_KEY"),
    model="gpt-4o"
)

# 处理自然语言查询
result = await bridge.process_query(
    "Convert this PDF to text: https://example.com/document.pdf"
)

# LLM 自动选择合适的工具和参数
if result["tool_call"]:
    print(f"Tool: {result['tool_call']['name']}")
    print(f"Result: {result['tool_result'].content}")

3. 命令行界面

该软件包包含一个强大的 CLI 工具，用于交互式测试和分析：

# 运行 CLI 工具
python -m mcp_sse_client.examples.llm_example --provider openai --endpoint http://localhost:8000/sse

配置选项：

usage: llm_example.py [-h] [--provider {openai,anthropic,ollama}]
                     [--openai-model {gpt-4o,gpt-4-turbo,gpt-4,gpt-3.5-turbo}]
                     [--anthropic-model {claude-3-opus-20240229,claude-3-sonnet-20240229,claude-3-haiku-20240307}]
                     [--ollama-model OLLAMA_MODEL] [--ollama-host OLLAMA_HOST]
                     [--endpoint ENDPOINT] [--openai-key OPENAI_KEY]
                     [--anthropic-key ANTHROPIC_KEY]

示例输出：

Starting MCP-LLM Integration Example...
Connecting to MCP server at: http://localhost:8000/sse
Using OpenAI LLM bridge with model: gpt-4o
Fetching tools from server...

=== Available Tools Summary ===
3 tools available:
  1. calculator: Perform basic arithmetic operations
     Required parameters:
       - x (number): First operand
       - y (number): Second operand
       - operation (string): Operation to perform (add, subtract, multiply, divide)

  2. weather: Get current weather for a location
     Required parameters:
       - location (string): City or location name

  3. convert_document: Convert a document to text
     Required parameters:
       - source (string): URL or file path to the document
     Optional parameters:
       - enable_ocr (boolean): Whether to use OCR for scanned documents

Entering interactive mode. Type 'quit' to exit.

Enter your query: What's the weather in Berlin?

=== User Query ===
What's the weather in Berlin?
Processing query...

=== LLM Reasoning ===
I need to check the weather in Berlin. Looking at the available tools, there's a "weather" tool that can get the current weather for a location. I'll use this tool with "Berlin" as the location parameter.

=== Tool Selection Decision ===
Selected: weather
  Description: Get current weather for a location

  Parameters provided:
    - location (string, required): Berlin
      Description: City or location name

  Query to Tool Mapping:
    Query: "What's the weather in Berlin?"
    Tool: weather
    Key parameters: location

=== Tool Execution Result ===
Success: True
Content: {"temperature": 18.5, "conditions": "Partly cloudy", "humidity": 65, "wind_speed": 12}

4. 交互式测试 UI

包含的 Streamlit 应用程序提供了一个用户友好的界面，用于：

• 连接到任何 MCP 端点
• 在 OpenAI、Anthropic 或 Ollama LLM 之间进行选择
• 查看可用工具及其参数
• 通过聊天界面中的自然语言测试工具
• 可视化工具选择的推理和结果

要运行 Streamlit 应用程序：

cd mcp-streamlit-app
streamlit run app.py

安装

从源码安装

git clone https://github.com/zanetworker/mcp-sse-client-python.git
cd mcp-sse-client-python
pip install -e .

使用 pip (发布后)

pip install mcp-sse-client

支持的 LLM 提供商

该客户端支持多个 LLM 提供商，用于 AI 驱动的工具选择：

• OpenAI: GPT-4o, GPT-4, GPT-3.5-Turbo
• Anthropic: Claude 3 Opus, Claude 3 Sonnet, Claude 3 Haiku
• Ollama: Llama 3, Mistral 和其他本地托管模型

API 参考

MCPClient

client = MCPClient(endpoint)

• endpoint: MCP 端点 URL（必须是 http 或 https）

方法

async list_tools() -> List[ToolDef]

列出 MCP 端点提供的可用工具。

async invoke_tool(tool_name: str, kwargs: Dict[str, Any]) -> ToolInvocationResult

使用参数调用特定工具。

LLM 桥

OpenAIBridge

bridge = OpenAIBridge(mcp_client, api_key, model="gpt-4o")

AnthropicBridge

bridge = AnthropicBridge(mcp_client, api_key, model="claude-3-opus-20240229")

OllamaBridge

bridge = OllamaBridge(mcp_client, model="llama3", host=None)

通用桥方法

async process_query(query: str) -> Dict[str, Any]

通过 LLM 处理用户查询并执行任何工具调用。

要求

• Python 3.7+
• requests
• sseclient-py
• pydantic
• openai (用于 OpenAI 集成)
• anthropic (用于 Anthropic 集成)
• ollama (用于 Ollama 集成)
• streamlit (用于交互式测试应用程序)

开发

有关开发设置、贡献指南和可用 make 命令的信息，请参阅 DEVELOPMENT.md。

许可证

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。