Servidor MCP

Descripción general del proyecto

Basado en FastAPI y MCP (Protocolo de Contexto de Modelo), este proyecto permite la interacción contextual estandarizada entre modelos de IA y entornos de desarrollo. Mejora la escalabilidad y el mantenimiento de las aplicaciones de IA al simplificar la implementación de modelos, proporcionar endpoints API eficientes y garantizar la consistencia en la entrada y salida de los modelos, facilitando a los desarrolladores la integración y gestión de tareas de IA.

MCP (Protocolo de Contexto de Modelo) es un protocolo unificado para la interacción contextual entre modelos de IA y entornos de desarrollo. Este proyecto proporciona una implementación de servidor MCP basada en Python que admite funciones básicas del protocolo MCP, como la inicialización, el muestreo y la gestión de sesiones.

Related MCP server: OpenAI MCP Server

Características

JSON-RPC 2.0 : Comunicación de solicitud-respuesta basada en el protocolo estándar JSON-RPC 2.0
Conexión SSE : Compatibilidad con conexiones de eventos enviados por el servidor para notificaciones en tiempo real
Diseño modular : arquitectura modular para una fácil ampliación y personalización
Procesamiento asincrónico : servicio de alto rendimiento que utiliza FastAPI y E/S asincrónica
Cliente completo : incluye una implementación de cliente de prueba completa

Estructura del proyecto

mcp_server/
├── mcp_server.py         # MCP server main program
├── mcp_client.py         # MCP client test program
├── routers/
│   ├── __init__.py       # Router package initialization
│   └── base_router.py    # Base router implementation
├── requirements.txt      # Project dependencies
└── README.md             # Project documentation

Instalación

Clonar el repositorio:

git clone https://github.com/freedanfan/mcp_server.git
cd mcp_server

Instalar dependencias:

pip install -r requirements.txt

Uso

Iniciando el servidor

python mcp_server.py

De forma predeterminada, el servidor se iniciará en 127.0.0.1:12000 . Puede personalizar el host y el puerto mediante variables de entorno:

export MCP_SERVER_HOST=0.0.0.0
export MCP_SERVER_PORT=8000
python mcp_server.py

Ejecución del cliente

Ejecute el cliente en otra terminal:

python mcp_client.py

Si el servidor no se ejecuta en la dirección predeterminada, puede configurar una variable de entorno:

export MCP_SERVER_URL="http://your-server-address:port"
python mcp_client.py

Puntos finales de API

El servidor proporciona los siguientes puntos finales de API:

Ruta raíz ( / ): proporciona información del servidor
Punto final de API ( /api ): maneja solicitudes JSON-RPC
Punto final SSE ( /sse ): maneja conexiones SSE

Implementación del protocolo MCP

Flujo de inicialización

El cliente se conecta al servidor a través de SSE
El servidor devuelve la URI del punto final de la API
El cliente envía una solicitud de inicialización con la versión del protocolo y las capacidades
El servidor responde a la solicitud de inicialización, devolviendo las capacidades del servidor.

Solicitud de muestreo

Los clientes pueden enviar solicitudes de muestreo con indicaciones:

{
  "jsonrpc": "2.0",
  "id": "request-id",
  "method": "sample",
  "params": {
    "prompt": "Hello, please introduce yourself."
  }
}

El servidor devolverá los resultados del muestreo:

{
  "jsonrpc": "2.0",
  "id": "request-id",
  "result": {
    "content": "This is a response to the prompt...",
    "usage": {
      "prompt_tokens": 10,
      "completion_tokens": 50,
      "total_tokens": 60
    }
  }
}

Cerrar una sesión

Los clientes pueden enviar una solicitud de apagado:

{
  "jsonrpc": "2.0",
  "id": "request-id",
  "method": "shutdown",
  "params": {}
}

El servidor se apagará correctamente:

{
  "jsonrpc": "2.0",
  "id": "request-id",
  "result": {
    "status": "shutting_down"
  }
}

Extensiones de desarrollo

Agregar nuevos métodos

Para agregar nuevos métodos MCP, agregue una función de controlador a la clase MCPServer y regístrela en el método _register_methods :

def handle_new_method(self, params: dict) -> dict:
    """Handle new method"""
    logger.info(f"Received new method request: {params}")
    # Processing logic
    return {"result": "success"}

def _register_methods(self):
    # Register existing methods
    self.router.register_method("initialize", self.handle_initialize)
    self.router.register_method("sample", self.handle_sample)
    self.router.register_method("shutdown", self.handle_shutdown)
    # Register new method
    self.router.register_method("new_method", self.handle_new_method)

Integración de modelos de IA

Para integrar modelos de IA reales, modifique el método handle_sample :

async def handle_sample(self, params: dict) -> dict:
    """Handle sampling request"""
    logger.info(f"Received sampling request: {params}")
    
    # Get prompt
    prompt = params.get("prompt", "")
    
    # Call AI model API
    # For example: using OpenAI API
    response = await openai.ChatCompletion.acreate(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )
    
    content = response.choices[0].message.content
    usage = response.usage
    
    return {
        "content": content,
        "usage": {
            "prompt_tokens": usage.prompt_tokens,
            "completion_tokens": usage.completion_tokens,
            "total_tokens": usage.total_tokens
        }
    }

Solución de problemas

Problemas comunes

Errores de conexión : asegúrese de que el servidor esté en ejecución y que el cliente esté usando la URL del servidor correcta
405 Método no permitido : asegúrese de que el cliente esté enviando solicitudes al punto final de API correcto
Error de conexión SSE : Verifique las conexiones de red y la configuración del firewall

Explotación florestal

Tanto el servidor como el cliente proporcionan registros detallados. Consulte los registros para obtener más información:

# Increase log level
export PYTHONPATH=.
python -m logging -v DEBUG -m mcp_server

Referencias

Licencia

Este proyecto está licenciado bajo la Licencia MIT. Consulte el archivo de LICENCIA para más detalles.

MCP Server