MCP サーバー - モデルコンテキストプロトコル API

ファストAPI パイソンプロメテウスグラフQL

MCP サーバーは、LLM モデルとアプリケーション間の相互作用のための標準化されたインターフェイスを提供するモデルコンテキストプロトコル (MCP) の FastAPI ベースの実装です。

特徴

🚀 FastAPIと非同期操作に基づく高性能API
🔄 リソース、機器、プロンプト、サンプリングによる完全な MCP サポート
📊 PrometheusとGrafanaによるモニタリングとメトリクス
🧩 シンプルなインターフェースで新しいツールを追加できる拡張性
📝 データを柔軟に操作できるGraphQL API
💬 リアルタイムインタラクションのためのWebSocketサポート
🔍 Elasticsearchとの統合によるセマンティック検索
🗃️ Redis によるキャッシュでパフォーマンスを向上
📦 信頼性の高いパッケージ管理のために、Poetry で依存関係を管理します

Related MCP server: microCMS MCP Server

はじめる

インストール

リポジトリのクローン:

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

Poetry をインストールします (まだインストールされていない場合):
```
curl -sSL https://install.python-poetry.org | python3 -
```
Poetry 経由で依存関係をインストールします。
```
poetry install
```

サーバーの起動

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

または just ユーティリティ経由で:

just run

起動後、APIは次の場所で利用できます: http://localhost:8000

APIドキュメント

Swagger UI: http://localhost:8000/docs
再ドキュメント: http://localhost:8000/redoc
GraphQL プレイグラウンド: http://localhost:8000/graphql

プロジェクト構造

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

利用可能なツール

ファイルシステムツール

ファイルの読み取り、書き込み、削除、一覧表示をサポートするファイルシステムツール。

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

天気ツール

座標によって天気データを取得するためのツール。

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

テキスト分析ツール

感情の検出や要約を含むテキスト分析ツール。

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

テキストプロセッサツール

書式設定、統計計算、エンティティ抽出などのテキスト処理ツール。

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

画像処理ツール

サイズ変更、切り取り、フィルターの適用をサポートする画像処理ツール。

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}}'

WebSocket API

WebSocket API に接続するには:

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);
};

GraphQL API

GraphQL 経由のクエリの例:

# 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
  }
}

テストの実行

テストを実行するには、Poetry を使用します。

poetry run pytest

または just ユーティリティ経由で:

just test

ドッカー

Docker Compose によるビルドと実行

docker compose up -d

個々のサービスを起動するには:

docker compose up -d web redis elasticsearch

LLMとの統合

MCP サーバーは、さまざまなベンダーの LLM モデルとの統合のための標準化されたインターフェースを提供します。

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()

指標と監視

MCP サーバーは/metricsエンドポイントを介して Prometheus 形式のメトリックを提供します。指標には次のものが含まれます:

各ツールへのリクエスト数
クエリ実行時間
エラーと例外

発達

コードをフォーマットしてリンターでチェックするには:

just fmt
just lint

ライセンス

MITライセンス

MyAIServ MCP Server