Model Context Provider (MCP)

Model Context Provider 是一個創新的 AI 開發工具，專門設計用於增強大型語言模型（LLMs）的上下文理解和工具使用能力。它提供了一個統一的介面，讓開發者能夠更有效地管理和使用各種 AI 模型及其相關工具。

什麼是 MCP？

MCP 的核心理念是「上下文增強」和「工具協調」。它通過以下方式來實現這一目標：

上下文管理
- 智能處理和組織輸入資訊
- 維護對話歷史和狀態
- 動態調整系統提示（System Prompts）
- 優化上下文窗口的使用
工具整合
- 統一的工具調用介面
- 自動工具選擇和參數配置
- 支援多種工具類型：
  - 代碼分析工具
  - 文件操作工具
  - 資源檢索工具
  - 外部 API 調用
模型協調
- 支援多種 AI 提供者：
  - OpenAI (GPT-4, GPT-3.5)
  - Anthropic (Claude)
  - Google (Gemini)
  - Ollama (本地模型)
- 智能模型選擇
- 負載平衡和故障轉移

主要特點

1. 智能上下文處理

自動管理上下文長度
智能摘要和重要信息保留
動態調整提示策略

2. 強大的工具生態

內建多種開發工具
可擴展的工具介面
自動工具鏈組合

3. 開發者友好

RESTful API
圖形化介面
完整的開發文檔
豐富的示例

4. 企業級特性

高可用性設計
安全性控制
使用量監控
日誌追蹤

應用場景

1. 軟體開發

代碼審查和重構
API 文檔生成
測試用例生成
除錯協助

2. 知識管理

文檔分析和總結
知識庫建立
資訊檢索和組織

3. 工作流自動化

自動化腳本生成
工作流程優化
任務協調

4. 研究與分析

數據分析
文獻研究
報告生成

安裝需求

安裝 UV

pip install uv

安裝依賴

uv pip install fastapi uvicorn gradio google-generativeai ollama

重新同步依賴項

uv sync

設定 API 金鑰

OpenAI

SET OPENAI_API_KEY='your-api-key'

Anthropic (選用)

SET ANTHROPIC_API_KEY='your-api-key'

Google (選用)

SET GOOGLE_API_KEY='your-api-key'

Ollama (選用)

SET OLLAMA_HOST='http://localhost:11434'

使用方式

1. FastAPI Web 介面

啟動 Web API 伺服器：

python -m mcpcli.web --openai-key sk-xxx... --anthropic-key sk-ant-xxx... --google-key xxx...

命令列參數

--openai-key 指定 OpenAI API 金鑰
--anthropic-key 指定 Anthropic API 金鑰
--google-key 指定 Google API 金鑰

伺服器將在 http://localhost:7860 啟動，你可以使用 Swagger UI（http://localhost:7860/docs）來測試 API。

主要 API 端點：

/connect/{server_name} - 連接到指定伺服器
/chat - 發送聊天訊息
/tools - 列出可用工具
/resources - 列出可用資源
/prompts - 列出可用提示

2. Gradio 圖形介面

啟動 Gradio 介面：

python -m mcpcli.web.gradio_app --openai-key sk-xxx... --anthropic-key sk-ant-xxx... --google-key xxx...  --port 8082

命令列參數

--openai-key 指定 OpenAI API 金鑰
--anthropic-key 指定 Anthropic API 金鑰
--google-key 指定 Google API 金鑰
--port 指定 Gradio 端口，預設為 8082

介面將在 http://localhost:8082 啟動，你可以使用圖形化介面來與模型互動。

使用步驟：

連接伺服器：
- 輸入伺服器名稱（預設為 "github"）
- 可選擇指定端口
- 點擊「連接伺服器」按鈕
配置 AI 設定：
- 選擇 AI 提供者
- 輸入模型名稱
開始對話：
- 在輸入框中輸入訊息
- 點擊「發送」按鈕
- 使用「清除歷史」按鈕重置對話

3. cli介面

使用python執行

python -m mcpcli.cli --server github --provider ollama --model llama3.2 --openai-key sk-xxx... --anthropic-key sk-ant-xxx... --google-key xxx...

使用uv執行

uv run mcp-cli --server github --provider ollama --model llama3.2

命令列參數

--server 指定伺服器名稱，預設為github
--host 指定伺服器主機，預設為127.0.0.1
--port 指定伺服器端口，預設為8765
--openai-key 指定 OpenAI API 金鑰
--anthropic-key 指定 Anthropic API 金鑰
--google-key 指定 Google API 金鑰
--provider 指定 AI 提供者(openai, anthropic, google, ollama)，預設為 openai
--model 指定模型名稱
--config-file 指定配置文件路徑，預設為server_config.json

常見問題解決

連接錯誤：
- 確認伺服器名稱是否正確
- 檢查端口是否被占用
- 確認環境變數是否正確設定
API 金鑰相關：
- 確保已設定正確的 API 金鑰
- 檢查 API 金鑰是否過期
- 確認 API 使用額度
工具調用失敗：
- 檢查工具名稱是否正確
- 確認參數格式是否符合要求
- 查看日誌以獲取詳細錯誤信息

開發者指南

添加新的 AI 提供者

在 llm_client.py 中添加新的提供者支援
更新 Gradio 介面中的提供者選項
確保正確處理新提供者的 API 響應

自定義工具

在工具配置文件中添加新工具定義
實現工具的具體功能
更新工具文檔

注意事項

API 金鑰安全：請勿在公共環境中暴露你的 API 金鑰
資源使用：注意監控 API 使用量，避免超出限額
錯誤處理：建議實作錯誤重試機制
日誌記錄：保持適當的日誌級別以便排查問題

貢獻指南

歡迎提交 Pull Request 來改進這個專案！請確保：

代碼符合 PEP 8 規範
添加適當的測試用例
更新相關文檔
提供清晰的提交信息

授權

本專案採用 MIT 授權條款 - 詳見 LICENSE 文件