MCP Server Implementation

基本能力

产品定位

yisu201506_mcp_server 是一个用于增强大型语言模型（LLM）能力的工具调用服务器，通过 Model Context Protocol (MCP) 实现外部工具的集成和调用。

核心功能

• 完整的 MCP 实现：支持解析、执行和响应处理。
• 示例工具：包括天气查询和计算器工具，支持参数验证。
• 对话流管理：支持跨多个交互的上下文维护。
• 基于正则表达式的解析：灵活的文本解析工具调用。
• Flask API：提供 REST API 端点用于聊天集成。

适用场景

• 增强 LLM 功能：通过外部工具扩展 LLM 的能力。
• 自然语言工具调用：在自然语言响应中识别和执行工具调用。
• 多轮对话管理：支持上下文维护的多轮对话场景。

工具列表

• Weather Tool：查询天气信息，支持位置和单位参数。
• Calculator Tool：执行数学计算，支持表达式参数。

常见问题解答

• 如何添加自定义工具：创建继承自 Tool 的类，定义参数和执行逻辑，并注册到 MCP 处理器。
• MCP 与函数调用的区别：MCP 将工具定义放在提示文本中，通过自然语言调用，而函数调用使用结构化 JSON。

使用教程

使用依赖

1. 安装 Python 3.x
2. 安装 Git

安装教程

1. 克隆仓库： bash git clone https://github.com/yourusername/mcp-server.git cd mcp-server
2. 创建虚拟环境： bash python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate
3. 安装依赖： bash pip install -r requirements.txt
4. 设置环境变量： bash echo "LLM_API_KEY=your_llm_api_key_here" > .env echo "WEATHER_API_KEY=your_weather_api_key_here" >> .env echo "FLASK_APP=app.py" >> .env echo "FLASK_ENV=development" >> .env

调试方式

1. 启动开发服务器： bash flask run
2. 生产环境启动： bash gunicorn app:app
3. 测试 API 端点： bash curl -X POST http://localhost:5000/chat \ -H "Content-Type: application/json" \ -d '{"messages": [{"role": "user", "content": "What's the weather like in Boston?"}]}'
4. 运行独立示例： bash python mcp_example.py

许可证

该项目遵循 MIT 开源许可条款。