Skip to main content
Glama
deenesjakoruzh
kimtth

Azure OpenAI

by kimtth
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

MCP サーバー & クライアント (Azure OpenAI & OpenAI 対応)

  • Model Context Protocol (MCP) と Azure OpenAI を利用した最小限のサーバー/クライアントアプリケーションの実装です。

    1. MCP サーバーは FastMCP で構築されています。

    2. Playwright は、モダンな Web アプリケーションをテストするための Microsoft 製のオープンソースのエンドツーエンドテストフレームワークです。

    3. ツールに関する MCP レスポンスは、OpenAI の関数呼び出し形式に変換されます。

    4. MCP サーバーのレスポンスを OpenAI の関数呼び出し形式に変換するブリッジは、MCP-LLM Bridge 実装をカスタマイズしたものです。

    5. 安定した接続を確保するため、サーバーオブジェクトはブリッジに直接渡されます。

    6. client_bridge は、インプロセスおよび外部 (stdio) の両方の MCP サーバー接続をサポートしており、さまざまなクライアント (Claude Code、VS Code、カスタムスクリプトなど) で再利用可能です。

Related MCP server: MCP Server Example

Model Context Protocol (MCP)

Model Context Protocol (MCP) は、AI アプリケーションとローカルまたはリモートのリソースとの間で、安全かつ制御された対話を可能にするオープンプロトコルです。

公式リポジトリ

コミュニティリソース

関連プロジェクト

  • FastMCP: MCP サーバーを構築するための高速で Pythonic な方法。

  • Chat MCP: MCP クライアント

  • MCP-LLM Bridge: MCP サーバーと OpenAI 互換 LLM 間の通信を可能にする MCP 実装

MCP Playwright

設定

2024年12月時点の開発フェーズでは、Python プロジェクトは 'uv' で開始する必要があります。'pip' や 'poetry' などの他の依存関係管理ライブラリは、MCP CLI ではまだ完全にはサポートされていません。

  1. .env.template を .env にリネームし、Azure OpenAI 用の値を .env に入力します。

    AZURE_OPEN_AI_ENDPOINT=
AZURE_OPEN_AI_API_KEY=
AZURE_OPEN_AI_DEPLOYMENT_MODEL=
AZURE_OPEN_AI_API_VERSION=

  2. Python ライブラリ管理のために uv をインストールします。

    pip install uv
uv sync

  3. python chatgui.py を実行します。

    • サンプル画面では、クライアントがブラウザを起動して URL に移動する様子が表示されます。

外部クライアントでの使用

MCP サーバーは、mcp.json 設定を介して外部クライアント (Claude Desktop、VS Code、Claude Code など) から使用できます。

Claude Desktop / Claude Code

claude_desktop_config.json (Claude Desktop) または .claude/mcp.json (Claude Code) に以下を追加します。

{
  "mcpServers": {
    "browser-navigator": {
      "command": "uv",
      "args": ["run", "fastmcp", "run", "./server/browser_navigator_server.py:app"],
      "cwd": "/path/to/mcp-aoai-web-browsing",
      "env": {
        "AZURE_OPEN_AI_ENDPOINT": "...",
        "AZURE_OPEN_AI_API_KEY": "...",
        "AZURE_OPEN_AI_DEPLOYMENT_MODEL": "...",
        "AZURE_OPEN_AI_API_VERSION": "..."
      }
    }
  }
}

VS Code

ワークスペースの .vscode/mcp.json に以下を追加します。

{
  "servers": {
    "browser-navigator": {
      "command": "uv",
      "args": ["run", "fastmcp", "run", "./server/browser_navigator_server.py:app"],
      "cwd": "${workspaceFolder}",
      "env": {
        "AZURE_OPEN_AI_ENDPOINT": "...",
        "AZURE_OPEN_AI_API_KEY": "...",
        "AZURE_OPEN_AI_DEPLOYMENT_MODEL": "...",
        "AZURE_OPEN_AI_API_VERSION": "..."
      }
    }
  }
}

ブリッジをプログラムから使用する (stdio)

client_bridge は、Python から stdio を介して外部 MCP サーバーに接続することもサポートしています。

from client_bridge import BridgeConfig, MCPServerConfig, BridgeManager
from client_bridge.llm_config import get_default_llm_config

config = BridgeConfig(
    server_config=MCPServerConfig(
        command="uv",
        args=["run", "fastmcp", "run", "./server/browser_navigator_server.py:app"],
    ),
    llm_config=get_default_llm_config(),
    system_prompt="You are a helpful assistant.",
)

async with BridgeManager(config) as bridge:
    response = await bridge.process_message("Navigate to https://example.com")

標準の OpenAI (Azure 以外) を使用する場合

from client_bridge.llm_config import get_openai_llm_config

config = BridgeConfig(
    mcp=server,
    llm_config=get_openai_llm_config(),
)

環境変数を設定します。

OPENAI_API_KEY=sk-...
OPENAI_MODEL=gpt-...

直接的なツール実行

独自の LLM ループを管理するクライアント向けに、ブリッジはツールメタデータと直接実行機能を提供します。

async with BridgeManager(config) as bridge:
    tools = bridge.get_tools()  # OpenAI function calling format
    result = await bridge.execute_tool("playwright_navigate", {"url": "https://example.com"})

'stdio' について

stdio はトランスポート層 (生のデータフロー) であり、JSON-RPC はアプリケーションプロトコル (構造化された通信) です。これらは別個のものですが、プロトコル内では「stdio 上の JSON-RPC」のように、しばしば同義として扱われます。

ツール説明

@self.mcp.tool()
async def playwright_navigate(url: str, timeout=30000, wait_until="load"):
    """Navigate to a URL.""" -> This comment provides a description, which may be used in a mechanism similar to function calling in LLMs.

# Output
Tool(name='playwright_navigate', description='Navigate to a URL.', inputSchema={'properties': {'url': {'title': 'Url', 'type': 'string'}, 'timeout': {'default': 30000, 'title': 'timeout', 'type': 'string'}

ヒント: uv

uv run: Run a script.
uv venv: Create a new virtual environment. By default, '.venv'.
uv add: Add a dependency to a script
uv remove: Remove a dependency from a script
uv sync: Sync (Install) the project's dependencies with the environment.

ヒント

  • python.exe 用の taskkill コマンド

taskkill /IM python.exe /F

  • Visual Code: Python デバッガー: launch.json を使用したデバッグは、.vscode/launch.json の設定を使用してデバッガーを起動します。

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityMaintained
ResponsivenessUnresponsive

Resources

Related MCP Connectors

Related MCP Servers

Appeared in Searches