MCP Server in Python
2025.03.23
0
Shell工具集成开发辅助开发效率
MCP (Model Context Protocol) 是一个框架，允许将自定义工具集成到AI辅助的开发环境（如Cursor AI）中。MCP服务器暴露功能（如数据检索或代码分析），以便基于LLM的IDE可以按需调用这些工具。本项目展示了一个用Python构建的MCP服务器，提供了两个基本工具：一个用于加法运算，另一个用于从环境中检索API密钥。
View on GitHub
Overview
基本能力
产品定位
MCP Server in Python 是一个用于AI辅助开发环境的工具集成框架，旨在提高开发效率和工具的可访问性。
核心功能
- MCP集成：将工具功能暴露给基于LLM的IDE。
- 加法工具：接受两个数字参数并返回它们的和。
- 环境变量检索：从配置文件中加载示例环境变量。
- CLI支持：通过
mcp[cli]提供命令行界面，便于本地开发和测试。 - 标准I/O传输：使用标准I/O与开发环境无缝通信。
适用场景
- 在AI辅助的IDE（如Cursor AI）中集成自定义工具。
- 开发需要与IDE交互的工具或服务。
- 自动化开发流程中的常见任务。
工具列表
- add：接受两个数字并返回它们的和。
- getApiKey：从环境变量
API_KEY中检索API密钥。
常见问题解答
- 如何安装和配置MCP服务器？
- 如何测试MCP服务器的功能？
- 如何将MCP服务器集成到Cursor AI中？
使用教程
使用依赖
- Python：推荐使用3.8或更高版本。
- 虚拟环境：建议使用虚拟环境进行依赖管理。
安装教程
-
克隆仓库
bash git clone <repository_url> cd <repository_directory> -
设置虚拟环境
bash python -m venv .venv - Linux/macOS:
bash source .venv/bin/activate -
Windows:
bash .venv\Scripts\activate -
安装依赖
bash pip install mcp mcp[cli]
调试方式
运行MCP服务器：
mcp dev mcp-server.py
打开提供的URL，按照指示测试工具功能。
集成Cursor AI
配置mcp.json文件以自动发现和启动MCP服务器。示例配置：
{
"mcpServers": {
"MCP Server": {
"command": "/path/to/mcp-server-python/.venv/bin/python3",
"args": ["/path/to/mcp-server-python/mcp-server.py"],
"env": {
"API_KEY": "abc-1234567890"
}
}
}
}
代码概述
- MCP服务器初始化：使用MCP库实例化并通过标准I/O传输连接。
- 工具定义：
- add：接受两个数字输入并返回它们的和。
- getApiKey：从环境变量
API_KEY中检索API密钥。