MCP-Server

# MCP-Server 项目文档 ## 项目概述 MCP-Server 是一个基于 Model Context Protocol (MCP) 的服务端和客户端实现，允许大语言模型（LLM）通过结构化协议调用外部工具完成复杂任务。项目主要包含两部分：MCP服务端和TypeScript实现的客户端。 ## 系统架构 ``` ┌───────────────┐ ┌───────────────┐ ┌───────────────┐ │ 前端应用 │────▶│ MCP 客户端 │────▶│ MCP 服务端 │ └───────────────┘ └───────────────┘ └───────────────┘ △ │ │ │ ▼ ▼ │ ┌───────────────┐ ┌───────────────┐ └───────────│ 大语言模型 │ │ 外部服务 API │ │ (Deepseek) │ │ (天气、GitHub)│ └───────────────┘ └───────────────┘ ``` ## 核心组件 ### 1. MCP 服务端 服务端是工具的提供者，负责注册和执行各种工具。 **主要功能：** - 工具注册：目前已实现天气预报查询和GitHub用户信息查询工具 - 工具执行：接收客户端请求，执行相应工具并返回结果 - 通信：通过标准输入输出(stdio)与客户端通信 ### 2. MCP 客户端 客户端连接大语言模型API和MCP服务端，负责处理用户查询并协调模型调用和工具调用。 **主要功能：** - 连接MCP服务端并获取可用工具列表 - 与大语言模型API通信（默认使用Deepseek） - 解析模型输出中的工具调用请求 - 协调工具调用流程并汇总结果 - 提供命令行交互界面 - 提供基于Express的Web API ### 3. Web API 客户端提供了HTTP接口供前端应用调用，支持流式输出和过程可视化。 **主要端点：** - `/sse`: 处理前端查询请求，返回包含思考过程和结果的流式响应 ## 白盒过程可视化 客户端实现了白盒过程展示，让用户可以看到： 1. 意图识别过程 2. 工具选择过程 3. 工具调用参数和结果 4. 最终答案生成过程 ## 技术栈 - **后端**：Node.js、TypeScript - **框架**：Express - **大语言模型**：Deepseek (通过OpenAI兼容API) - **通信协议**：Model Context Protocol - **SDK**：@modelcontextprotocol/sdk ## 使用方法 1. 启动服务端： ```bash node dist/src/index.js ``` 2. 启动客户端并连接到服务端： ```bash node dist/mcp-client-typescript/src/index.js /path/to/server/script.js ``` 3. 访问Web API： ``` POST http://localhost:3000/sse Content-Type: application/json { "query": "北京今天的天气怎么样？" } ``` ## 配置要求 需要在`.env`文件中设置以下环境变量： - `LLM_API_KEY`: Deepseek API密钥 - `GAODE_KEY`: 高德地图API密钥（用于天气查询） ## 工作流程 1. 用户发送查询到客户端 2. 客户端将查询发送给大语言模型 3. 大语言模型分析查询并决定是否需要调用工具 4. 如需调用工具，客户端通过MCP协议向服务端发送请求 5. 服务端执行工具并返回结果 6. 客户端将工具结果再次发送给大语言模型生成最终回答 7. 将回答返回给用户 ## 结语 MCP-Server项目提供了一个完整的大语言模型工具调用示例实现，展示了如何通过结构化协议让模型访问外部工具和服务，增强模型的能力边界。通过白盒过程可视化，用户可以更好地理解模型的思考过程和工具调用逻辑。