miniMCP

ローカルAIモデル（Ollamaを使用）を、Model Context Protocol (MCP) を介してカスタムツールと実装・接続する方法を示す軽量プロジェクトです。

このプロジェクトでは、AIがデータベースアシスタントとして機能し、CRUD操作（作成、読み取り、更新、削除）を使用してインメモリデータベースをクエリおよび管理できます。

プロジェクト構造

• server.py: FastMCP で作成されたMCPサーバーです。インメモリデータベースを保持し、以下の操作を行うためのツール（tools）を公開します：

  • アイテムの作成 (create_item)

  • 個別アイテムの読み取り (read_item)

  • 複数アイテムの読み取り (read_multiple_items)

  • アイテムの更新 (update_item)

  • アイテムの削除 (delete_item)

• client.py: ターミナルを介して対話するクライアントです。標準入出力（stdio）を通じてMCPサーバーに接続し、利用可能なツールを読み込み、ユーザーとOllamaのLLM（gemma4:e4b）とのチャットループを確立します。

• requirements.txt: プロジェクトの主要な依存関係が記載されたファイルです。

Related MCP server: Modular MCP Server with Python Tools

要件と依存関係

プロジェクトを開始する前に、以下がインストールされていることを確認してください：

1. Python 3.10+

2. Ollama がインストールされ、マシン上で実行されていること。

3. このリポジトリで使用するモデル（デフォルトは gemma4:e4b）。以下のコマンドでダウンロードできます：

   ollama run gemma4:e4b

インストール

1. リポジトリをクローンし、フォルダに移動します：

   git clone <url-del-repo> miniMCP
   cd miniMCP

2. 仮想環境を作成して有効化します（オプションですが、強く推奨します）：

   python -m venv .venv
   # En Windows:
   .\.venv\Scripts\activate
   # En macOS/Linux:
   source .venv/bin/activate

3. 必要な依存関係をインストールします：

   pip install -r requirements.txt
   pip install gradio

使用方法

このプロジェクトはクライアント/サーバー構成になっていますが、クライアントが自動的にサーバーを起動するため、クライアントを実行するだけで済みます：

python client.py

コンソールに直接質問を入力してください。

対話例

AIに対して以下のように指示を出すことができます：

• "ID 'tarea1'、内容 '牛乳を買う' でアイテムを作成して"

• "'tarea1' の内容を表示して"

• "'tarea1' を更新して、牛乳は低脂肪乳にするように伝えて"

• "'tarea1' と 'tarea2' のアイテムを読み込んで"

• "ID 'tarea1' を削除して"

AIは、あなたがコードや呼び出しを直接記述することなく、server.py のツールを自動的に実行します。