MCP Guide

# MCP (Model Context Protocol) Guide ## Что такое MCP? **Model Context Protocol (MCP)** — это открытый протокол для подключения AI-моделей к внешним данным и инструментам. MCP позволяет создавать серверы, которые предоставляют инструменты (tools) для AI-моделей, расширяя их возможности. ### Основные концепции: - **MCP Server** — сервер, который предоставляет инструменты и данные - **MCP Client** — клиент, который подключается к серверам и использует их инструменты - **Tools** — функции, которые может вызывать AI-модель (например, поиск в интернете, работа с файлами, API вызовы) ## Как работает MCP? 1. **Сервер** регистрирует инструменты и запускается 2. **Клиент** подключается к серверу и получает список доступных инструментов 3. **AI-модель** использует инструменты через клиента для выполнения задач 4. **Результаты** возвращаются модели для дальнейшей обработки ## Архитектура проекта ``` MCP_guide/ ├── mcp_server.py # MCP сервер с инструментами ├── main.py # Клиент и агент ├── model.py # Модель Groq ├── settings.py # Настройки ├── requirements.txt # Зависимости └── README.md # Этот файл ``` ## Установка и запуск ### 1. Установка зависимостей ```bash pip install -r requirements.txt ``` ### 2. Настройка переменных окружения Создайте файл `.env` в корне проекта: ```env GROQ_API=your_groq_api_key_here MODEL_NAME=llama3-8b-8192 MCP_SERVER_URL=http://127.0.0.1:8000 TAVILY_API=your_tavily_api_key_here ``` ### 3. Получение API ключей - **Groq API**: Зарегистрируйтесь на [groq.com](https://groq.com) - **Tavily API**: Зарегистрируйтесь на [tavily.com](https://tavily.com) ### 4. Запуск проекта Для начала запускаем сервер mcp_server.py ```bash python mcp_server.py ``` Либо ```bash fastmcp run mcp_server.py ``` Затем сам код ```bash python main.py ``` ## Доступные инструменты В данном проекте реализованы следующие инструменты: ### 1. `tavily_search` - **Описание**: Поиск информации в интернете - **Параметры**: `query` (строка) - **Пример**: Поиск новостей, информации о технологиях ### 2. `add` - **Описание**: Сложение двух чисел - **Параметры**: `a` (int), `b` (int) - **Пример**: `add(5, 3)` → `8` ### 3. `reverse` - **Описание**: Переворачивание текста - **Параметры**: `text` (строка) - **Пример**: `reverse("hello")` → `"olleh"` ### 4. `greet` - **Описание**: Создание приветствия - **Параметры**: `name` (строка) - **Пример**: `greet("Анна")` → `"Привет, Анна!"` ## Транспорты MCP ### stdio (рекомендуется) - Простой и надежный - Работает через стандартный ввод/вывод - Подходит для локальной разработки ### streamable-http - Работает через HTTP с Server-Sent Events - Требует правильных заголовков - Подходит для веб-приложений ## Примеры использования ### Базовый пример ```python import asyncio from langchain_mcp_adapters.client import MultiServerMCPClient async def main(): # Подключение к MCP серверу client = MultiServerMCPClient({ "demo": { "command": "python", "args": ["mcp_server.py"], "transport": "stdio", } }) # Получение инструментов tools = await client.get_tools() print(f"Доступно инструментов: {len(tools)}") asyncio.run(main()) ``` ### Использование с LangGraph ```python from langgraph.prebuilt import create_react_agent # Создание агента с MCP инструментами agent = create_react_agent( tools=tools, model=llm ) # Вызов агента result = agent.invoke({ "messages": [{"role": "user", "content": "Сложи 5 и 3"}] }) ``` ## Устранение неполадок ### Ошибка "Not Acceptable: Client must accept text/event-stream" - **Причина**: Неправильная конфигурация HTTP транспорта - **Решение**: Используйте stdio транспорт или добавьте правильные заголовки ### Ошибка "Expected dict, got string" - **Причина**: Неправильный формат входных данных для агента - **Решение**: Передавайте данные в формате `{"messages": [...]}` ### Ошибка подключения к серверу - **Причина**: Сервер не запущен или неправильный URL - **Решение**: Убедитесь, что сервер запущен и URL корректный ## Расширение функциональности ### Добавление нового инструмента 1. Добавьте функцию в `mcp_server.py`: ```python @mcp.tool() def multiply(a: int, b: int) -> int: """Умножить два числа.""" return a * b ``` 2. Перезапустите сервер ### Подключение к внешним API ```python @mcp.tool() def weather(city: str) -> str: """Получить погоду для города.""" # Ваш код для API вызова return f"Погода в {city}: солнечно" ``` ## Полезные ссылки - [Официальная документация MCP](https://modelcontextprotocol.io/) - [FastMCP документация](https://github.com/jlowin/fastmcp) - [LangChain MCP адаптеры](https://github.com/langchain-ai/langchain-mcp-adapters) - [Groq API документация](https://console.groq.com/docs) ## Лицензия MIT License