MCP-Serverbeispiel

Dieses Repository enthält die Implementierung eines Model Context Protocol (MCP)-Servers für Bildungszwecke. Dieser Code demonstriert den Aufbau eines funktionsfähigen MCP-Servers, der sich in verschiedene LLM-Clients integrieren lässt.

MCP-Server-Beispiel

Dieses Repository enthält die Implementierung eines Model Context Protocol (MCP)-Servers für Bildungszwecke. Dieser Code demonstriert den Aufbau eines funktionsfähigen MCP-Servers, der sich in verschiedene LLM-Clients integrieren lässt.

Quellen:

• Modellkontextprotokoll – Anthropisch .

• MCP – Python .

Was ist MCP?

MCP (Model Context Protocol) ist ein offenes Protokoll, das die Bereitstellung von Kontext für LLMs durch Anwendungen standardisiert. Stellen Sie sich MCP wie einen USB-C-Anschluss für KI-Anwendungen vor – es bietet eine standardisierte Möglichkeit, KI-Modelle mit verschiedenen Datenquellen und Tools zu verbinden.

Hauptvorteile

• Eine wachsende Liste vorgefertigter Integrationen, in die Ihr LLM direkt eingebunden werden kann

• Flexibilität beim Wechsel zwischen LLM-Anbietern und -Anbietern

• Best Practices zum Sichern Ihrer Daten innerhalb Ihrer Infrastruktur

Related MCP server: MCP Server Example

Architekturübersicht

MCP folgt einer Client-Server-Architektur, bei der eine Hostanwendung eine Verbindung zu mehreren Servern herstellen kann:

• MCP-Hosts : Programme wie Claude Desktop, IDEs oder KI-Tools, die über MCP auf Daten zugreifen möchten

• MCP-Clients : Protokoll-Clients, die 1:1-Verbindungen mit Servern aufrechterhalten

• MCP-Server : Leichtgewichtige Programme, die über das standardisierte Model Context Protocol spezifische Funktionen bereitstellen

• Datenquellen : Sowohl lokale (Dateien, Datenbanken) als auch Remote-Dienste (APIs), auf die MCP-Server zugreifen können

Kernkonzepte von MCP

MCP-Server können drei Haupttypen von Funktionen bereitstellen:

• Ressourcen : Dateiähnliche Daten, die von Clients gelesen werden können (wie API-Antworten oder Dateiinhalte)

• Tools : Funktionen, die vom LLM aufgerufen werden können (mit Benutzerfreigabe)

• Eingabeaufforderungen : Vorgefertigte Vorlagen, die Benutzern helfen, bestimmte Aufgaben zu erledigen

Systemanforderungen

• Python 3.10 oder höher

• MCP SDK 1.2.0 oder höher

• uv -Paketmanager

Installation

Hinzufügen von MCP zu Ihrem Python-Projekt. Wir empfehlen die Verwendung von UV zur Verwaltung Ihrer Python-Projekte.

Wenn Sie noch kein UV-verwaltetes Projekt erstellt haben, erstellen Sie eines:

uv init mcp-server-sample
cd mcp-server-sample

Fügen Sie dann MCP zu Ihren Projektabhängigkeiten hinzu:

uv add "mcp[cli]

Alternativ für Projekte, die pip für Abhängigkeiten verwenden:

pip install "mcp[cli]"

Ausführen der eigenständigen MCP-Entwicklungstools. So führen Sie den MCP-Befehl mit UV aus:

uv run mcp

Schnellstart

Lassen Sie uns einen einfachen MCP-Server erstellen, der ein Taschenrechner-Tool und einige Daten bereitstellt:

# server.py
from mcp.server.fastmcp import FastMCP

# Create an MCP server
mcp = FastMCP("Demo")


# Add an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b


# Add a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"

Sie können diesen Server in Claude Desktop installieren und sofort mit ihm interagieren, indem Sie Folgendes ausführen:

mcp install server.py

Alternativ können Sie es mit dem MCP Inspector testen:

mcp dev server.py

Mit ❤️ erstellt von Antonio Scapellato

Ressourcen:

• Erstellen von Agenten mit Model Context Protocol – Vollständiger Workshop mit Mahesh Murag von Anthropic

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert. Weitere Informationen finden Sie in der Datei LICENSE .