MCP-Konzeptnachweis

Dieses Repository enthält einen einfachen Model Context Protocol (MCP)-Server, der mit FastAPI implementiert wurde. Ziel ist die Bereitstellung von Herdendaten über eine auffindbare, versionierte API, die in AWS Fargate bereitgestellt werden kann.

Lokal ausführen

Installieren Sie Abhängigkeiten:
Der Datenbankpfad kann über die Umgebungsvariable DATABASE_PATH konfiguriert werden. Ist diese nicht gesetzt, wird standardmäßig mcp.db im Arbeitsverzeichnis verwendet.
pip install -r requirements.txt
Führen Sie das Seeding der SQLite-Datenbank durch:
python -m app.seed
Starten Sie den API-Server:
uvicorn app.main:app --reload
Authentifizieren Sie sich beim Aufrufen der API mit dem Token fake-super-secret-token .

Die MCP-Erkennungsdatei ist unter model_context.yaml verfügbar.

Related MCP server: MyAIServ MCP Server

Verwenden des Agenten

Für die Interaktion mit dem MCP-Server steht ein agent zur Verfügung. Sobald der Server läuft, können Sie die Herdendaten wie folgt auflisten:

python -m agent http://localhost:8000 --token fake-super-secret-token

Der Agent liest model_context.yaml , um den API-Pfad zu ermitteln, und gibt die JSON-Antwort vom Server zurück. Für vollständige YAML-Unterstützung installieren Sie die optionale PyYAML Abhängigkeit; andernfalls wird ein eingeschränkter integrierter Parser verwendet.

Ausführen von Tests

pytest -q

Container

Um den Server in einem Container auszuführen, wird ein Dockerfile bereitgestellt. Build mit:

docker build -t mcp .

Terraform

Das terraform -Verzeichnis enthält eine minimale Konfiguration, die zeigt, wie der Container in AWS (z. B. Fargate) bereitgestellt werden kann. Es erstellt ein ECR-Repository für das Image.