Servidor MCP - API de protocolo de contexto de modelo

API rápida Pitón Poesía Prometeo GraphQL

MCP Server es una implementación basada en FastAPI del Protocolo de contexto de modelo (MCP) que proporciona una interfaz estandarizada para la interacción entre modelos LLM y aplicaciones.

Peculiaridades

🚀 API de alto rendimiento basada en FastAPI y operaciones asincrónicas
🔄 Soporte completo de MCP con recursos, instrumentos, indicaciones y muestreo
📊 Monitoreo y métricas a través de Prometheus y Grafana
🧩 Extensibilidad a través de interfaces sencillas para agregar nuevas herramientas
📝 API GraphQL para trabajar de forma flexible con datos
💬 Compatibilidad con WebSockets para interacción en tiempo real
🔍 Búsqueda semántica mediante integración con Elasticsearch
🗃️ Almacenamiento en caché a través de Redis para un mejor rendimiento
📦 Administre dependencias a través de Poetry para una gestión confiable de paquetes

Related MCP server: microCMS MCP Server

Empezando

Instalación

Repositorio de clones:

git clone https://github.com/yourusername/myaiserv.git
cd myaiserv

Instalar Poetry (si aún no está instalado):

curl -sSL https://install.python-poetry.org | python3 -

Instalar dependencias mediante Poetry:
```
poetry install
```

Iniciando el servidor

poetry run uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

O mediante la utilidad justa:

just run

Después del lanzamiento, la API estará disponible en: http://localhost:8000

Documentación de la API

Interfaz de usuario Swagger: http://localhost:8000/docs
ReDoc: http://localhost:8000/redoc
Zona de juegos de GraphQL: http://localhost:8000/graphql

Estructura del proyecto

myaiserv/
├── app/
│   ├── core/             # Базовые компоненты MCP
│   │   ├── base_mcp.py   # Абстрактные классы MCP
│   │   └── base_sampling.py  # Базовые классы для сэмплирования
│   ├── models/           # Pydantic модели
│   │   ├── mcp.py        # Модели данных MCP
│   │   └── graphql.py    # GraphQL схема
│   ├── services/         # Бизнес-логика
│   │   └── mcp_service.py # Сервис MCP
│   ├── storage/          # Хранилище данных
│   ├── tools/            # Инструменты MCP
│   │   ├── example_tool.py   # Примеры инструментов
│   │   └── text_processor.py # Инструмент обработки текста
│   ├── utils/            # Утилиты
│   └── main.py           # Точка входа FastAPI
├── app/tests/            # Тесты
├── docs/                 # Документация
│   └── MCP_API.md        # Описание API
├── pyproject.toml        # Конфигурация Poetry и инструментов
└── .justfile             # Задачи для утилиты just

Herramientas disponibles

Herramienta del sistema de archivos

Una herramienta del sistema de archivos que admite la lectura, escritura, eliminación y listado de archivos.

curl -X POST "http://localhost:8000/tools/file_operations" \
     -H "Content-Type: application/json" \
     -d '{"operation": "list", "path": "."}'

Herramienta meteorológica

Una herramienta para obtener datos meteorológicos por coordenadas.

curl -X POST "http://localhost:8000/tools/weather" \
     -H "Content-Type: application/json" \
     -d '{"latitude": 37.7749, "longitude": -122.4194}'

Herramienta de análisis de texto

Una herramienta para el análisis de texto, que incluye detección de sentimientos y resumen.

curl -X POST "http://localhost:8000/tools/text_analysis" \
     -H "Content-Type: application/json" \
     -d '{"text": "Example text for analysis", "analysis_type": "sentiment"}'

Herramienta de procesamiento de texto

Una herramienta para el procesamiento de texto, incluyendo formato, cálculo de estadísticas y extracción de entidades.

curl -X POST "http://localhost:8000/tools/text_processor" \
     -H "Content-Type: application/json" \
     -d '{"operation": "statistics", "text": "Example text", "stat_options": ["chars", "words"]}'

Herramienta de procesamiento de imágenes

Una herramienta de procesamiento de imágenes que permite cambiar el tamaño, recortar y aplicar filtros.

curl -X POST "http://localhost:8000/tools/image_processing" \
     -H "Content-Type: application/json" \
     -d '{"operation": "resize", "image_data": "base64...", "params": {"width": 800, "height": 600}}'

API de WebSocket

Para conectarse a la API de WebSocket:

const socket = new WebSocket("ws://localhost:8000/ws");

socket.onopen = () => {
  socket.send(JSON.stringify({
    type: "initialize",
    id: "my-request-id"
  }));
};

socket.onmessage = (event) => {
  const data = JSON.parse(event.data);
  console.log("Received:", data);
};

API de GraphQL

Ejemplos de consultas mediante GraphQL:

# Получение списка всех инструментов
query {
  getTools {
    name
    description
  }
}

# Выполнение инструмента
mutation {
  executeTool(input: {
    name: "text_processor",
    parameters: {
      operation: "statistics",
      text: "Example text for analysis"
    }
  }) {
    content {
      type
      text
    }
    is_error
  }
}

Ejecución de pruebas

Para ejecutar pruebas, utiliza Poetry:

poetry run pytest

O mediante la utilidad justa:

just test

Estibador

Compilación y ejecución mediante Docker Compose

docker compose up -d

Para iniciar servicios individuales:

docker compose up -d web redis elasticsearch

Integración con LLM

MCP Server proporciona una interfaz estandarizada para la integración con modelos LLM de varios proveedores:

import httpx

async def query_mcp_with_llm(prompt: str):
    async with httpx.AsyncClient() as client:
        # Запрос к MCP для получения контекста и инструментов
        tools_response = await client.get("http://localhost:8000/tools")
        tools = tools_response.json()["tools"]

        # Отправка запроса к LLM с включением MCP контекста
        llm_response = await client.post(
            "https://api.example-llm.com/v1/chat",
            json={
                "messages": [
                    {"role": "system", "content": "You have access to the following tools:"},
                    {"role": "user", "content": prompt}
                ],
                "tools": tools,
                "tool_choice": "auto"
            }
        )

        return llm_response.json()

Métricas y seguimiento

El servidor MCP proporciona métricas en formato Prometheus a través del punto final /metrics . Las métricas incluyen:

Número de solicitudes a cada herramienta
Tiempo de ejecución de la consulta
Errores y excepciones

Desarrollo

Para formatear el código y comprobarlo con linters:

just fmt
just lint

Licencia

Licencia MIT

MyAIServ MCP Server