# MCP Server

基于WebSocket的MCP（Model Control Protocol）服务器，用于处理模型请求并提供响应。

## 项目结构

```
MCPServerDemo/
├── src/                    # 源代码目录
│   └── mcp/                # MCP实现
│       ├── handlers/       # 请求处理器
│       ├── models/         # 数据模型
│       ├── protocol/       # 协议定义
│       └── server/         # 服务器实现
├── client/                 # 客户端示例
│   └── index.html          # 测试用HTML客户端
├── .env                    # 环境变量配置（需要从.env.example创建）
├── .env.example            # 环境变量示例
├── main.py                 # 应用程序入口点
└── README.md               # 项目说明
```

## 安装

本项目使用uv进行依赖管理。

```bash
# 安装依赖
uv pip install fastapi uvicorn pydantic pydantic-settings
```

## 配置

1. 复制环境变量示例文件并进行配置：

```bash
cp .env.example .env
```

2. 编辑`.env`文件，设置您的配置。

## 运行

```bash
# 启动服务器
python main.py
```

服务器将在`http://localhost:8000`上运行，WebSocket端点为`ws://localhost:8000/ws`。

## 测试客户端

打开`client/index.html`文件在浏览器中测试MCP服务器。

## MCP协议

MCP协议是一个基于WebSocket的协议，用于控制和管理AI模型。

### 请求格式

```json
{
  "id": "请求ID",
  "type": "request",
  "action": "动作名称",
  "messages": [
    {
      "role": "user",
      "content": "消息内容"
    }
  ],
  "parameters": {
    "参数名": "参数值"
  }
}
```

### 响应格式

```json
{
  "id": "请求ID",
  "type": "response",
  "action": "动作名称",
  "messages": [
    {
      "role": "assistant",
      "content": "响应内容"
    }
  ],
  "metadata": {
    "元数据名": "元数据值"
  }
}
```

### 错误格式

```json
{
  "id": "请求ID",
  "type": "error",
  "action": "动作名称",
  "error": "错误信息",
  "details": {
    "详情名": "详情值"
  }
}
```

### 事件格式

```json
{
  "id": "事件ID",
  "type": "event",
  "event": "事件名称",
  "data": {
    "数据名": "数据值"
  }
}
```

## 支持的动作

- `chat`: 聊天请求
- `completion`: 文本完成请求

## 扩展

您可以通过以下方式扩展MCP服务器：

1. 创建新的处理器在`src/mcp/handlers/`目录
2. 在`main.py`中注册新的处理器
3. 自定义协议实现在`src/mcp/protocol/`目录