MCP 服务器

项目概述

该项目基于 FastAPI 和 MCP（模型上下文协议）构建，实现了 AI 模型与开发环境之间标准化的上下文交互。通过简化模型部署、提供高效的 API 端点以及确保模型输入输出的一致性，增强了 AI 应用的可扩展性和可维护性，使开发者能够更轻松地集成和管理 AI 任务。

MCP（模型上下文协议）是 AI 模型与开发环境之间上下文交互的统一协议。本项目提供基于 Python 的 MCP 服务器实现，支持 MCP 协议的基本功能，包括初始化、采样和会话管理。

Related MCP server: OpenAI MCP Server

特征

JSON-RPC 2.0 ：基于标准 JSON-RPC 2.0 协议的请求-响应通信
SSE 连接：支持服务器发送事件连接以实现实时通知
模块化设计：模块化架构，易于扩展和定制
异步处理：使用 FastAPI 和异步 IO 的高性能服务
完整客户端：包括完整的测试客户端实现

项目结构

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

安装

克隆存储库：

git clone https://github.com/freedanfan/mcp_server.git
cd mcp_server

安装依赖项：

pip install -r requirements.txt

用法

启动服务器

python mcp_server.py

默认情况下，服务器将从127.0.0.1:12000启动。您可以使用环境变量自定义主机和端口：

export MCP_SERVER_HOST=0.0.0.0
export MCP_SERVER_PORT=8000
python mcp_server.py

运行客户端

在另一个终端运行客户端：

python mcp_client.py

如果服务器没有在默认地址运行，可以设置环境变量：

export MCP_SERVER_URL="http://your-server-address:port"
python mcp_client.py

API 端点

服务器提供以下 API 端点：

根路径（ / ）：提供服务器信息
API 端点（ /api ）：处理 JSON-RPC 请求
SSE 端点（ /sse ）：处理 SSE 连接

MCP 协议实现

初始化流程

客户端通过 SSE 连接到服务器
服务器返回 API 端点 URI
客户端发送带有协议版本和功能的初始化请求
服务器响应初始化请求，返回服务器能力

采样请求

客户可以发送带有提示的采样请求：

{
  "jsonrpc": "2.0",
  "id": "request-id",
  "method": "sample",
  "params": {
    "prompt": "Hello, please introduce yourself."
  }
}

服务器将返回采样结果：

{
  "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
    }
  }
}

关闭会话

客户端可以发送关机请求：

{
  "jsonrpc": "2.0",
  "id": "request-id",
  "method": "shutdown",
  "params": {}
}

服务器将正常关闭：

{
  "jsonrpc": "2.0",
  "id": "request-id",
  "result": {
    "status": "shutting_down"
  }
}

开发扩展

添加新方法

要添加新的 MCP 方法，请向MCPServer类添加一个处理函数，并在_register_methods方法中注册它：

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)

整合人工智能模型

要集成实际的 AI 模型，请修改handle_sample方法：

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
        }
    }

故障排除

常见问题

连接错误：确保服务器正在运行，并且客户端正在使用正确的服务器 URL
405 方法不允许：确保客户端将请求发送到正确的 API 端点
SSE 连接失败：检查网络连接和防火墙设置

日志记录

服务器和客户端均提供详细的日志记录。查看日志以获取更多信息：

# Increase log level
export PYTHONPATH=.
python -m logging -v DEBUG -m mcp_server

参考

执照

本项目遵循 MIT 许可证。详情请参阅 LICENSE 文件。

MCP Server