MCP 服务器 - 模型上下文协议 API
MCP Server 是基于 FastAPI 的模型上下文协议 (MCP) 实现，为 LLM 模型和应用程序之间的交互提供了标准化接口。
特点
🚀 基于 FastAPI 和异步操作的高性能 API
🔄**提供全面的 MCP 支持，**包括资源、工具、提示和采样
📊 通过 Prometheus 和 Grafana 进行监控和指标
🧩 通过简单的界面添加新工具的可扩展性
📝 GraphQL API ，可灵活处理数据
💬 WebSocket 支持实时交互
🔍 通过与 Elasticsearch 集成进行语义搜索
🗃️ 通过 Redis缓存以提高性能
📦通过 Poetry管理依赖项以实现可靠的包管理
Related MCP server: microCMS MCP Server
入门
安装
克隆存储库：
git clone https://github.com/yourusername/myaiserv.git
cd myaiserv
安装 Poetry（如果尚未安装）：
curl -sSL https://install.python-poetry.org | python3 -
通过 Poetry 安装依赖项：
启动服务器
poetry run uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
或者通过 just 实用程序：
启动后，API 可在以下网址访问： http://localhost:8000
API 文档
项目结构
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
可用工具
文件系统工具
支持读取、写入、删除和列出文件的文件系统工具。
curl -X POST "http://localhost:8000/tools/file_operations" \
-H "Content-Type: application/json" \
-d '{"operation": "list", "path": "."}'
天气工具
通过坐标获取天气数据的工具。
curl -X POST "http://localhost:8000/tools/weather" \
-H "Content-Type: application/json" \
-d '{"latitude": 37.7749, "longitude": -122.4194}'
文本分析工具
一种文本分析工具，包括情感检测和总结。
curl -X POST "http://localhost:8000/tools/text_analysis" \
-H "Content-Type: application/json" \
-d '{"text": "Example text for analysis", "analysis_type": "sentiment"}'
文本处理工具
文本处理工具，包括格式化、统计计算、实体提取。
curl -X POST "http://localhost:8000/tools/text_processor" \
-H "Content-Type: application/json" \
-d '{"operation": "statistics", "text": "Example text", "stat_options": ["chars", "words"]}'
图像处理工具
支持调整大小、裁剪和应用过滤器的图像处理工具。
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}}'
WebSocket API
要连接到 WebSocket API：
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
通过 GraphQL 进行查询的示例：
# 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
}
}
运行测试
要运行测试，请使用 Poetry：
或者通过 just 实用程序：
Docker
通过 Docker Compose 构建和运行
要启动单个服务：
docker compose up -d web redis elasticsearch
与 LLM 集成
MCP Server 提供了标准化接口，可与来自不同供应商的 LLM 模型集成：
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()
指标和监控
MCP 服务器通过/metrics端点提供 Prometheus 格式的指标。指标包括：
发展
格式化代码并使用 linters 检查：
执照
MIT 许可证
