使用 MCP 服务器标准化 LLM 交互

模型上下文协议 (Model Context Protocol, MCP) 是一个开放协议，用于标准化应用程序如何向 LLM 提供上下文。换句话说，它为基于 LLM 的应用程序提供了一个统一的框架，用于连接到数据源、获取上下文、使用工具和执行标准提示。

<img src="./media/mcp_arch.png" width=600>

MCP 生态系统概述了三个特定组件：

• MCP 服务器 处理：工具可用性（公开可用的功能）、工具执行（在请求时运行这些功能）、作为资源的静态内容（提供可以引用的数据）、预设提示（用于常见任务的标准化模板）

• 客户端 管理：与服务器的连接、LLM 集成、组件之间的消息传递

• 主机 提供：前端界面、向用户呈现 MCP 功能、整体生态系统的集成点

这种架构创建了一个模块化系统，不同的组件可以独立开发，同时保持互操作性。这让用户可以为不同的 LLM 相关功能创建 MCP 服务器，然后在各种受支持的应用程序中即插即用。通常用于集成服务 API 和工具，或连接到您自己机器上的本地数据源。

MCP 服务器组件

MCP 服务器通过明确定义的接口公开标准化功能，从而构成协议的基础。主机和客户端可以使用协议标准连接到这些服务器，但如何向用户呈现这些功能仍然是灵活的，并且对开发人员开放。这意味着实际的实现和用户体验完全取决于开发人员 - 无论是通过命令行界面、图形应用程序还是嵌入在更大的系统中。

在本指南中，我们将重点构建一个具有核心功能的示例 MCP 服务器，以及一个简单的客户端实现来演示交互模式。首先，让我们回顾一下 MCP 服务器的主要组件：

<img src="./media/core_comp.png" width=600>

工具

工具是 LLM 可以调用以执行操作或检索信息的函数。每个工具都定义为：

{
  name: string;          // 工具的唯一标识符
  description?: string;  // 人类可读的描述
  inputSchema: {         // 工具参数的 JSON Schema
    type: "object",
    properties: { ... }  // 工具特定的参数
  }
}

工具允许 LLM 与外部系统交互、执行代码、查询数据库或执行计算。它们代表具有效果或计算新信息的操作。

资源

资源表示客户端应用程序可以访问的数据源。它们由 URI 标识，可以包括：

{
  uri: string;           // 资源的唯一标识符
  name: string;          // 人类可读的名称
  description?: string;  // 可选的描述
  mimeType?: string;     // 可选的 MIME 类型
}

资源可以是静态的（如配置文件）或动态的（如数据库记录或 API 响应）。它们为 LLM 提供上下文，而无需函数调用。

提示

提示是定义特定交互模式的可重用模板。它们允许服务器公开标准化的对话流程：

{
  name: string;              // 提示的唯一标识符
  description?: string;      // 人类可读的描述
  arguments?: [              // 可选的参数列表
    {
      name: string;          // 参数标识符
      description?: string;  // 参数描述
      required?: boolean;    // 参数是否必需
    }
  ]
}

提示有助于为常见任务创建一致的、专门构建的交互，允许用户通过诸如斜杠命令之类的 UI 元素来调用它们。

注意：虽然工具是专门为 LLM 交互而设计的（类似于函数调用），但提示和资源在 MCP 生态系统中具有不同的用途。提示通常是用户控制的模板，可以通过诸如斜杠命令之类的 UI 元素直接调用，而资源是应用程序控制的数据源，可以在包含在 LLM 上下文中之前呈现给用户以供选择。

更多详细信息和其他功能可以在 MCP 官方文档 中找到。

---

设置我们的示例

我们的 MCP 服务器将突出显示工具、资源和提示。核心概念是创建一个简单的知识库聊天机器人流程，它将具有以下功能：

1. 让 LLM 使用工具查询向量数据库以获取 RAG 响应
2. 让用户选择现有资源以提供上下文
3. 让用户执行标准提示以进行更复杂的分析工作流程

<img src="./media/mcp_plan.png" width=600>

上面的图表是在 mcp_server.py 中实现的，并在 client.py 中有一个相应的简单 CLI 客户端。

作为一个有用的资源，请查看 MCP 的服务器列表，以获取官方集成和社区制作的服务器。

---

设置和安装

1. 克隆存储库

git clone https://github.com/ALucek/quick-mcp-example.git
cd quick-mcp-example

2. 创建 ChromaDB 数据库

按照 MCP_setup.ipynb 中的说明创建向量数据库并将 PDF 嵌入其中。

3. 创建虚拟环境并安装软件包

# 使用 uv (推荐)
uv venv
source .venv/bin/activate  # 在 macOS/Linux 上
# OR
.venv\Scripts\activate     # 在 Windows 上

# 安装依赖项
uv sync

4. 运行客户端和服务器

python client.py mcp_server.py