MCPサーバー
中国語の文書
プロジェクト概要
FastAPIとMCP（モデルコンテキストプロトコル）を基盤とするこのプロジェクトは、AIモデルと開発環境間の標準化されたコンテキストインタラクションを可能にします。モデルのデプロイメントを簡素化し、効率的なAPIエンドポイントを提供し、モデルの入出力の一貫性を確保することで、AIアプリケーションのスケーラビリティと保守性を向上させ、開発者によるAIタスクの統合と管理を容易にします。
MCP（モデルコンテキストプロトコル）は、AIモデルと開発環境間のコンテキスト相互作用のための統一プロトコルです。このプロジェクトは、初期化、サンプリング、セッション管理といったMCPプロトコルの基本的な機能をサポートするPythonベースのMCPサーバー実装を提供します。
特徴
- JSON-RPC 2.0 : 標準JSON-RPC 2.0プロトコルに基づくリクエスト-レスポンス通信
- SSE 接続: リアルタイム通知のための Server-Sent Events 接続のサポート
- モジュラー設計: 拡張とカスタマイズが容易なモジュラーアーキテクチャ
- 非同期処理：FastAPIと非同期IOを使用した高性能サービス
- 完全なクライアント: 完全なテストクライアントの実装が含まれています
プロジェクト構造
mcp_server/
├── mcp_server.py # MCP server main program
├── mcp_client.py # MCP client test program
├── routers/
│ ├── __init__.py # Router package initialization
│ └── base_router.py # Base router implementation
├── requirements.txt # Project dependencies
└── README.md # Project documentation
インストール
- リポジトリをクローンします。
git clone https://github.com/freedanfan/mcp_server.git
cd mcp_server
- 依存関係をインストールします:
pip install -r requirements.txt
使用法
サーバーの起動
デフォルトでは、サーバーは127.0.0.1:12000で起動します。環境変数を使用してホストとポートをカスタマイズできます。
export MCP_SERVER_HOST=0.0.0.0
export MCP_SERVER_PORT=8000
python mcp_server.py
クライアントの実行
別のターミナルでクライアントを実行します。
サーバーがデフォルトのアドレスで実行されていない場合は、環境変数を設定できます。
export MCP_SERVER_URL="http://your-server-address:port"
python mcp_client.py
APIエンドポイント
サーバーは次の API エンドポイントを提供します。
- ルートパス（
/ ）：サーバー情報を提供します - APIエンドポイント（
/api ）：JSON-RPCリクエストを処理する - SSEエンドポイント（
/sse ）：SSE接続を処理する
MCPプロトコルの実装
初期化フロー
- クライアントはSSE経由でサーバーに接続します
- サーバーはAPIエンドポイントURIを返します
- クライアントはプロトコルバージョンと機能を含む初期化要求を送信します
- サーバーは初期化要求に応答し、サーバーの機能を返します
サンプリングリクエスト
クライアントはプロンプトを使用してサンプリング リクエストを送信できます。
{
"jsonrpc": "2.0",
"id": "request-id",
"method": "sample",
"params": {
"prompt": "Hello, please introduce yourself."
}
}
サーバーはサンプリング結果を返します:
{
"jsonrpc": "2.0",
"id": "request-id",
"result": {
"content": "This is a response to the prompt...",
"usage": {
"prompt_tokens": 10,
"completion_tokens": 50,
"total_tokens": 60
}
}
}
セッションの終了
クライアントはシャットダウン要求を送信できます。
{
"jsonrpc": "2.0",
"id": "request-id",
"method": "shutdown",
"params": {}
}
サーバーは正常にシャットダウンします。
{
"jsonrpc": "2.0",
"id": "request-id",
"result": {
"status": "shutting_down"
}
}
開発拡張
新しいメソッドの追加
新しい MCP メソッドを追加するには、 MCPServerクラスにハンドラー関数を追加し、 _register_methodsメソッドに登録します。
def handle_new_method(self, params: dict) -> dict:
"""Handle new method"""
logger.info(f"Received new method request: {params}")
# Processing logic
return {"result": "success"}
def _register_methods(self):
# Register existing methods
self.router.register_method("initialize", self.handle_initialize)
self.router.register_method("sample", self.handle_sample)
self.router.register_method("shutdown", self.handle_shutdown)
# Register new method
self.router.register_method("new_method", self.handle_new_method)
AIモデルの統合
実際の AI モデルを統合するには、 handle_sampleメソッドを変更します。
async def handle_sample(self, params: dict) -> dict:
"""Handle sampling request"""
logger.info(f"Received sampling request: {params}")
# Get prompt
prompt = params.get("prompt", "")
# Call AI model API
# For example: using OpenAI API
response = await openai.ChatCompletion.acreate(
model="gpt-4",
messages=[{"role": "user", "content": prompt}]
)
content = response.choices[0].message.content
usage = response.usage
return {
"content": content,
"usage": {
"prompt_tokens": usage.prompt_tokens,
"completion_tokens": usage.completion_tokens,
"total_tokens": usage.total_tokens
}
}
トラブルシューティング
よくある問題
- 接続エラー: サーバーが実行中であること、およびクライアントが正しいサーバー URL を使用していることを確認してください
- 405 メソッドが許可されていません: クライアントが正しい API エンドポイントにリクエストを送信していることを確認してください
- SSE接続失敗: ネットワーク接続とファイアウォールの設定を確認してください
ログ記録
サーバーとクライアントの両方で詳細なログが提供されます。詳細についてはログを参照してください。
# Increase log level
export PYTHONPATH=.
python -m logging -v DEBUG -m mcp_server
参考文献
ライセンス
このプロジェクトはMITライセンスの下で提供されています。詳細はLICENSEファイルをご覧ください。