miniMCP

Ollama를 사용하여 로컬 AI 모델을 **모델 컨텍스트 프로토콜(Model Context Protocol, MCP)**을 통해 사용자 지정 도구와 연결하고 구현하는 방법을 보여주는 경량 프로젝트입니다.

이 프로젝트에서 AI는 CRUD(생성, 읽기, 업데이트, 삭제) 작업을 사용하여 인메모리 데이터베이스를 쿼리하고 관리할 수 있는 데이터베이스 어시스턴트 역할을 합니다.

프로젝트 구조

• server.py: FastMCP로 생성된 MCP 서버입니다. 인메모리 데이터베이스를 유지 관리하며 다음을 위한 도구(tools)를 노출합니다:

  • 항목 생성 (create_item)

  • 개별 항목 읽기 (read_item)

  • 여러 항목 한꺼번에 읽기 (read_multiple_items)

  • 항목 업데이트 (update_item)

  • 항목 삭제 (delete_item)

• client.py: 터미널을 통해 상호 작용하는 클라이언트입니다. 표준 입출력(stdio)을 통해 MCP 서버에 연결하고, 사용 가능한 도구를 읽으며, 사용자와 Ollama LLM(gemma4:e4b) 간의 채팅 루프를 설정합니다.

• requirements.txt: 프로젝트 주요 의존성 파일입니다.

Related MCP server: Modular MCP Server with Python Tools

요구 사항 및 의존성

프로젝트를 시작하기 전에 다음이 설치되어 있는지 확인하세요:

1. Python 3.10+

2. Ollama가 설치되어 있고 머신에서 실행 중이어야 합니다.

3. 이 저장소에서 사용하는 모델(기본값은 gemma4:e4b)입니다. 다음 명령어로 다운로드할 수 있습니다:

   ollama run gemma4:e4b

설치

1. 저장소를 복제하고 해당 폴더로 이동합니다:

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

2. 가상 환경을 생성하고 활성화합니다(선택 사항이지만 강력히 권장됨):

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

3. 필요한 의존성을 설치합니다:

   pip install -r requirements.txt
   pip install gradio

사용법

이 프로젝트는 클라이언트/서버 구성으로 되어 있지만, 클라이언트가 서버를 직접 실행하므로 클라이언트만 실행하면 됩니다:

python client.py

콘솔에 직접 질문을 입력하세요.

상호 작용 예시

AI에게 다음과 같이 말해보세요:

• "ID가 'tarea1'이고 내용이 '우유 사기'인 항목을 생성해줘"

• "'tarea1' 영역의 내용을 보여줘"

• "'tarea1'을 업데이트해서 우유는 저지방이어야 한다고 알려줘"

• "'tarea1'과 'tarea2' 항목을 읽어줘"

• "ID 'tarea1'을 삭제해줘"

AI는 사용자가 직접 코드를 작성하거나 호출할 필요 없이 server.py의 도구를 자동으로 실행합니다.