MCP Server - 模型上下文协议 API

MCP Server 是一个基于 FastAPI 的模型上下文协议 (MCP) 实现，它为 LLM 模型和应用程序之间的交互提供了一个标准化的接口。

特性

• 🚀 高性能 API 基于 FastAPI 和异步操作
• 🔄 完全支持 MCP，包括资源、工具、提示和采样
• 📊 监控和指标 通过 Prometheus 和 Grafana
• 🧩 可扩展性 通过简单的接口添加新工具
• 📝 GraphQL API 用于灵活的数据操作
• 💬 WebSocket 支持 用于实时交互
• 🔍 语义搜索 通过与 Elasticsearch 集成
• 🗃️ 缓存 通过 Redis 提高性能
• 📦 依赖管理 通过 Poetry 实现可靠的包管理

开始使用

安装

1. 克隆仓库:

   git clone https://github.com/yourusername/myaiserv.git
   cd myaiserv
   

2. 安装 Poetry (如果尚未安装):

   curl -sSL https://install.python-poetry.org | python3 -
   

3. 通过 Poetry 安装依赖:

   poetry install
   

启动服务器

poetry run uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

或者通过 just 工具:

just run

启动后，API 可通过以下地址访问: http://localhost:8000

API 文档

• Swagger UI: http://localhost:8000/docs
• ReDoc: http://localhost:8000/redoc
• GraphQL Playground: http://localhost:8000/graphql

项目结构

myaiserv/
├── app/
│   ├── core/             # MCP 核心组件
│   │   ├── base_mcp.py   # MCP 抽象类
│   │   └── base_sampling.py  # 采样基类
│   ├── models/           # Pydantic 模型
│   │   ├── mcp.py        # MCP 数据模型
│   │   └── graphql.py    # GraphQL 模式
│   ├── services/         # 业务逻辑
│   │   └── mcp_service.py # MCP 服务
│   ├── storage/          # 数据存储
│   ├── tools/            # MCP 工具
│   │   ├── example_tool.py   # 工具示例
│   │   └── text_processor.py # 文本处理工具
│   ├── utils/            # 实用工具
│   └── main.py           # FastAPI 入口点
├── app/tests/            # 测试
├── docs/                 # 文档
│   └── MCP_API.md        # API 描述
├── pyproject.toml        # Poetry 和工具配置
└── .justfile             # just 工具的任务

可用工具

File System Tool

用于处理文件系统的工具，支持读取、写入、删除和列出文件操作。

curl -X POST "http://localhost:8000/tools/file_operations" \
     -H "Content-Type: application/json" \
     -d '{"operation": "list", "path": "."}'

Weather Tool

用于获取坐标天气数据的工具。

curl -X POST "http://localhost:8000/tools/weather" \
     -H "Content-Type: application/json" \
     -d '{"latitude": 37.7749, "longitude": -122.4194}'

Text Analysis Tool

用于文本分析的工具，包括情感分析和摘要。

curl -X POST "http://localhost:8000/tools/text_analysis" \
     -H "Content-Type: application/json" \
     -d '{"text": "Example text for analysis", "analysis_type": "sentiment"}'

Text Processor Tool

用于文本处理的工具，包括格式化、统计计算、实体提取。

curl -X POST "http://localhost:8000/tools/text_processor" \
     -H "Content-Type: application/json" \
     -d '{"operation": "statistics", "text": "Example text", "stat_options": ["chars", "words"]}'

Image Processing Tool

用于图像处理的工具，支持调整大小、裁剪和应用滤镜。

curl -X POST "http://localhost:8000/tools/image_processing" \
     -H "Content-Type: application/json" \
     -d '{"operation": "resize", "image_data": "base64...", "params": {"width": 800, "height": 600}}'

WebSocket API

连接到 WebSocket API:

const socket = new WebSocket("ws://localhost:8000/ws");

socket.onopen = () => {
  socket.send(JSON.stringify({
    type: "initialize",
    id: "my-request-id"
  }));
};

socket.onmessage = (event) => {
  const data = JSON.parse(event.data);
  console.log("Received:", data);
};

GraphQL API

GraphQL 查询示例:

# 获取所有工具的列表
query {
  getTools {
    name
    description
  }
}

# 执行工具
mutation {
  executeTool(input: {
    name: "text_processor",
    parameters: {
      operation: "statistics",
      text: "Example text for analysis"
    }
  }) {
    content {
      type
      text
    }
    is_error
  }
}

运行测试

使用 Poetry 运行测试:

poetry run pytest

或者通过 just 工具:

just test

Docker

通过 Docker Compose 构建和运行

docker compose up -d

运行单个服务:

docker compose up -d web redis elasticsearch

与 LLM 集成

MCP Server 提供了一个标准化的接口，用于与各种供应商的 LLM 模型集成:

import httpx

async def query_mcp_with_llm(prompt: str):
    async with httpx.AsyncClient() as client:
        # 请求 MCP 以获取上下文和工具
        tools_response = await client.get("http://localhost:8000/tools")
        tools = tools_response.json()["tools"]

        # 发送包含 MCP 上下文的 LLM 请求
        llm_response = await client.post(
            "https://api.example-llm.com/v1/chat",
            json={
                "messages": [
                    {"role": "system", "content": "You have access to the following tools:"},
                    {"role": "user", "content": prompt}
                ],
                "tools": tools,
                "tool_choice": "auto"
            }
        )

        return llm_response.json()

指标和监控

MCP Server 在 /metrics 端点提供 Prometheus 格式的指标。 指标包括:

• 每个工具的请求数量
• 请求执行时间
• 错误和异常

开发

格式化代码和检查 linter:

just fmt
just lint

许可证

MIT License