LLM Tool-Calling Assistant

이 프로젝트는 MCP 프로토콜을 통해 로컬 LLM(예: Qwen)을 계산기나 지식 베이스와 같은 도구에 연결합니다. 어시스턴트는 이러한 도구를 자동으로 감지하고 호출하여 사용자 질의에 답변합니다.

📦 특징

• 🔧 MCP 서버를 통한 도구 실행

• 🧠 HTTP 또는 OpenAI SDK를 통한 로컬 LLM 통합

• 📚 지식 기반 지원( data.json )

• ⚡ stdio 및 sse 전송을 지원합니다

Related MCP server: MCP Documentation Server

🗂 프로젝트 파일

📥 설치

요구 사항

파이썬 3.8 이상

종속성 설치:

지엑스피1

requirements.txt

aiohttp==3.11.18
nest_asyncio==1.6.0
python-dotenv==1.1.0
openai==1.77.0
mcp==1.6.0

🚀 시작하기

1. MCP 서버 실행

python server.py

이렇게 하면 add , multiply , get_knowledge_base 와 같은 기능을 갖춘 도구 서버가 실행됩니다.

2. 클라이언트 시작

옵션 A: HTTP 클라이언트(원시 API를 통한 로컬 LLM)

python client-http.py

옵션 B: OpenAI SDK 클라이언트

python client-openai.py

옵션 C: stdio 전송

python client-stdio.py

옵션 D: SSE 운송

server.py 다음을 설정하는지 확인하세요.

transport = "sse"

그런 다음 실행하세요.

python client-sse.py

💬 예시 프롬프트

수학 도구 호출

What is 8 times 3?

응답:

Eight times three is 24.

지식 기반 질문

What are the healthcare benefits available to employees in Singapore?

응답에는 data.json 의 관련 답변이 포함됩니다.

📁 예: data.json

[
  {
    "question": "What is Singapore's public holiday schedule?",
    "answer": "Singapore observes several public holidays..."
  },
  {
    "question": "How do I apply for permanent residency in Singapore?",
    "answer": "Submit an online application via the ICA website..."
  }
]

🔧 구성

client-http.py 또는 clientopenai.py 내부에서 다음을 업데이트합니다.

LOCAL_LLM_URL = "..."
TOKEN = "your-api-token"
LOCAL_LLM_MODEL = "your-model"

LLM이 OpenAI 호환 API 엔드포인트를 제공하는지 확인하세요.

🧹 정리

클라이언트는 도구 호출 및 응답을 자동으로 처리합니다. Ctrl+C 사용하여 서버나 클라이언트를 중지할 수 있습니다.

🪪 라이센스

MIT 라이선스. 라이선스 파일을 참조하세요.