MCP 서버 - 모델 컨텍스트 프로토콜 API
MCP 서버는 LLM 모델과 애플리케이션 간의 상호작용을 위한 표준화된 인터페이스를 제공하는 모델 컨텍스트 프로토콜(MCP)의 FastAPI 기반 구현입니다.
특이점
🚀 FastAPI 및 비동기 작업을 기반으로 한 고성능 API
🔄 리소스, 악기, 프롬프트 및 샘플링을 포함한 전체 MCP 지원
📊 Prometheus 및 Grafana를 통한 모니터링 및 메트릭
🧩 새로운 도구를 추가하기 위한 간단한 인터페이스를 통한 확장성
📝 유연한 데이터 작업을 위한 GraphQL API
💬 실시간 상호작용을 위한 WebSocket 지원
🔍 Elasticsearch와 통합을 통한 의미 검색
🗃️ Redis를 통한 캐싱 으로 성능 향상
📦 Poetry를 통해 종속성을 관리하여 안정적인 패키지 관리를 제공합니다.
Related MCP server: microCMS MCP Server
시작하기
설치
복제 저장소:
지엑스피1
Poetry를 설치하세요(아직 설치되지 않은 경우):
curl -sSL https://install.python-poetry.org | python3 -
Poetry를 통해 종속성 설치:
서버 시작
poetry run uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
또는 just 유틸리티를 통해서:
출시 후 API는 http://localhost:8000 에서 사용 가능합니다.
API 문서
프로젝트 구조
myaiserv/
├── app/
│ ├── core/ # Базовые компоненты MCP
│ │ ├── base_mcp.py # Абстрактные классы MCP
│ │ └── base_sampling.py # Базовые классы для сэмплирования
│ ├── models/ # Pydantic модели
│ │ ├── mcp.py # Модели данных MCP
│ │ └── graphql.py # GraphQL схема
│ ├── services/ # Бизнес-логика
│ │ └── mcp_service.py # Сервис MCP
│ ├── storage/ # Хранилище данных
│ ├── tools/ # Инструменты MCP
│ │ ├── example_tool.py # Примеры инструментов
│ │ └── text_processor.py # Инструмент обработки текста
│ ├── utils/ # Утилиты
│ └── main.py # Точка входа FastAPI
├── app/tests/ # Тесты
├── docs/ # Документация
│ └── MCP_API.md # Описание API
├── pyproject.toml # Конфигурация Poetry и инструментов
└── .justfile # Задачи для утилиты just
사용 가능한 도구
파일 시스템 도구
파일 읽기, 쓰기, 삭제, 나열 기능을 지원하는 파일 시스템 도구입니다.
curl -X POST "http://localhost:8000/tools/file_operations" \
-H "Content-Type: application/json" \
-d '{"operation": "list", "path": "."}'
날씨 도구
좌표로 날씨 데이터를 얻는 도구입니다.
curl -X POST "http://localhost:8000/tools/weather" \
-H "Content-Type: application/json" \
-d '{"latitude": 37.7749, "longitude": -122.4194}'
텍스트 분석 도구
감정 감지 및 요약을 포함한 텍스트 분석을 위한 도구입니다.
curl -X POST "http://localhost:8000/tools/text_analysis" \
-H "Content-Type: application/json" \
-d '{"text": "Example text for analysis", "analysis_type": "sentiment"}'
텍스트 프로세서 도구
서식 지정, 통계 계산, 엔터티 추출 등을 포함한 텍스트 처리를 위한 도구입니다.
curl -X POST "http://localhost:8000/tools/text_processor" \
-H "Content-Type: application/json" \
-d '{"operation": "statistics", "text": "Example text", "stat_options": ["chars", "words"]}'
이미지 처리 도구
크기 조절, 자르기, 필터 적용을 지원하는 이미지 처리 도구입니다.
curl -X POST "http://localhost:8000/tools/image_processing" \
-H "Content-Type: application/json" \
-d '{"operation": "resize", "image_data": "base64...", "params": {"width": 800, "height": 600}}'
웹소켓 API
WebSocket API에 연결하려면:
const socket = new WebSocket("ws://localhost:8000/ws");
socket.onopen = () => {
socket.send(JSON.stringify({
type: "initialize",
id: "my-request-id"
}));
};
socket.onmessage = (event) => {
const data = JSON.parse(event.data);
console.log("Received:", data);
};
GraphQL API
GraphQL을 통한 쿼리의 예:
# Получение списка всех инструментов
query {
getTools {
name
description
}
}
# Выполнение инструмента
mutation {
executeTool(input: {
name: "text_processor",
parameters: {
operation: "statistics",
text: "Example text for analysis"
}
}) {
content {
type
text
}
is_error
}
}
테스트 실행
테스트를 실행하려면 Poetry를 사용하세요.
또는 just 유틸리티를 통해서:
도커
Docker Compose를 통한 빌드 및 실행
개별 서비스를 시작하려면:
docker compose up -d web redis elasticsearch
LLM과의 통합
MCP 서버는 다양한 공급업체의 LLM 모델과의 통합을 위한 표준화된 인터페이스를 제공합니다.
import httpx
async def query_mcp_with_llm(prompt: str):
async with httpx.AsyncClient() as client:
# Запрос к MCP для получения контекста и инструментов
tools_response = await client.get("http://localhost:8000/tools")
tools = tools_response.json()["tools"]
# Отправка запроса к LLM с включением MCP контекста
llm_response = await client.post(
"https://api.example-llm.com/v1/chat",
json={
"messages": [
{"role": "system", "content": "You have access to the following tools:"},
{"role": "user", "content": prompt}
],
"tools": tools,
"tool_choice": "auto"
}
)
return llm_response.json()
지표 및 모니터링
MCP 서버는 /metrics 엔드포인트를 통해 Prometheus 형식의 메트릭을 제공합니다. 측정항목은 다음과 같습니다.
각 도구에 대한 요청 수
쿼리 실행 시간
오류 및 예외
개발
코드를 포맷하고 린터로 확인하려면 다음을 수행합니다.
특허
MIT 라이센스
