MCPサーバーの実装
外部ツールを使用して大規模言語モデル機能を強化するための Model Context Protocol (MCP) の完全な Flask ベースの実装。
概要
このリポジトリは、モデルのテキスト出力内で直接ツールを呼び出すことでLLM機能を拡張する手法であるモデルコンテキストプロトコル（MCP）を処理するサーバーの構築方法を示します。関数呼び出しとは異なり、MCPはツール定義をコンテキストウィンドウに直接配置し、モデルの自然言語応答を解析してツールの使用状況を識別します。
特徴
- 🔧完全なMCP実装：完全な解析、実行、および応答処理
- 🌤️サンプルツール: パラメータ検証機能を備えた天気予報および計算ツール
- 🔄会話フロー：複数のやり取りにわたってコンテキストを維持する
- 🧩正規表現ベースの解析：ツール呼び出しのための柔軟なテキスト解析
- 🚀 Flask API : チャット統合のための REST API エンドポイント
プロジェクト構造
mcp_server/
├── app.py # Main Flask application
├── mcp_handler.py # MCP parsing and execution
├── mcp_example.py # Standalone MCP example
├── requirements.txt # Dependencies
├── tools/ # Tool implementations
│ ├── __init__.py
│ ├── weather.py # Weather API tool
│ └── calculator.py # Calculator tool
└── README.md # This file
インストール
- リポジトリをクローンします。
git clone https://github.com/yourusername/mcp-server.git
cd mcp-server
- 仮想環境を作成します。
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
- 依存関係をインストールします:
pip install -r requirements.txt
- 環境変数を設定します。
# Create a .env file with:
LLM_API_KEY=your_llm_api_key_here
WEATHER_API_KEY=your_weather_api_key_here
FLASK_APP=app.py
FLASK_ENV=development
使用法
サーバーの実行
Flask 開発サーバーを起動します。
生産の場合:
APIエンドポイント
- POST /chat : MCP でチャットメッセージを処理する
curl -X POST http://localhost:5000/chat \
-H "Content-Type: application/json" \
-d '{
"messages": [
{
"role": "user",
"content": "What's the weather like in Boston?"
}
]
}'
スタンドアロンの例
サンプル スクリプトを実行して、MCP の動作を確認します。
仕組み
- ツール登録: ツールはパラメータと実行ロジックとともに登録されます
- ツール定義の挿入: XML形式のツールの説明がプロンプトに追加されます
- LLM 応答処理: 正規表現パターンは LLM のテキスト出力内のツール呼び出しを識別します。
- ツール実行: パラメータが解析され、適切なツールハンドラに渡されます。
- 結果の挿入: ツールの実行結果がレスポンスに挿入されます
MCPと関数呼び出し
| 特徴 | MCP | 関数呼び出し |
|---|
| 定義場所 | プロンプトテキスト | APIパラメータ内 |
| 呼び出し形式 | 自然言語 | 構造化JSON |
| 実装 | テキスト解析 | API統合 |
| 可視性 | 応答で表示される | 隠れている可能性があります |
| プラットフォームサポート | テキストベースのLLM | APIサポートが必要 |
会話例
ユーザー: ボストンの天気はどうですか?
法学修士：
I'll check the weather for you.
get_weather(location="Boston, MA", unit="fahrenheit")
処理後:
I'll check the weather for you.
get_weather(location="Boston, MA", unit="fahrenheit")
Result from get_weather:
{
"location": "Boston, MA",
"temperature": 72,
"unit": "fahrenheit",
"conditions": "Partly Cloudy",
"humidity": 68,
"wind_speed": 5.8
}
独自のツールを追加する
Toolから継承した新しいクラスを作成する- パラメータと実行ロジックを定義する
- MCPハンドラーに登録する
例：
class MyTool(Tool):
def __init__(self):
parameters = [
{
"name": "param1",
"type": "string",
"description": "Description of param1",
"required": True
}
]
super().__init__(
name="my_tool",
description="Description of my tool",
parameters=parameters
)
def execute(self, param1):
# Tool logic here
return {"result": "Processed " + param1}
MCP の構成と呼び出しフロー
- ツール登録:
- MCPツールはハンドラーに登録されます
- 各ツールは、名前、説明、パラメータ定義を提供します。
- ツール定義の注入:
- ツール定義がシステムメッセージに追加されます
- MCPのフォーマットはXML構造に従います
- LLM応答処理:
- LLMはツールの呼び出しを含む可能性のある応答を生成します
- パターンマッチングはテキスト内のツール呼び出しを識別します
- ツールパラメータは解析され、ツール実行メソッドに渡されます
- ツールの実行:
- ツールは指定されたパラメータで実行されます
- 結果が会話に反映される
- 会話管理:
- ツールの結果を含む処理済みの応答は会話履歴に追加されます
- 今後のLLMリクエストには、コンテキストのためにこの履歴が含まれます。
会話例
会話の例は次のようになります。
ユーザー: ボストンの天気はどうですか?
システム: MCPツール定義を含むプロンプトをLLMに送信します
LLMの回答:
I'll check the weather for you.
get_weather(location="Boston, MA", unit="fahrenheit")
MCPハンドラ:応答を解析し、ツール呼び出しを見つけて、天気ツールを実行します。
ツール実行結果:
Result from get_weather:
{
"location": "Boston, MA",
"temperature": 72,
"unit": "fahrenheit",
"conditions": "Partly Cloudy",
"humidity": 68,
"wind_speed": 5.8
}
処理された応答（ユーザーに返送されます）:
I'll check the weather for you.
get_weather(location="Boston, MA", unit="fahrenheit")
Result from get_weather:
{
"location": "Boston, MA",
"temperature": 72,
"unit": "fahrenheit",
"conditions": "Partly Cloudy",
"humidity": 68,
"wind_speed": 5.8
}
ユーザー: 144 の平方根を計算できますか?
LLMの回答:
I can calculate that for you.
calculator(expression="sqrt(144)")
MCP ハンドラ:応答を解析し、計算ツールを実行します
ツール実行結果:
Result from calculator:
{
"expression": "sqrt(144)",
"result": 12.0
}
処理された応答（ユーザーに返送されます）:
I can calculate that for you.
calculator(expression="sqrt(144)")
Result from calculator:
{
"expression": "sqrt(144)",
"result": 12.0
}
The square root of 144 is 12.
これは、LLM のテキストベースの呼び出しから実行および応答処理までの、MCP ツールの使用の完全なフローを示しています。
ライセンス
マサチューセッツ工科大学
貢献
貢献を歓迎します！お気軽にプルリクエストを送信してください。