MCP 服务器与客户端（使用 Azure OpenAI 和 OpenAI）

一个利用模型上下文协议 (MCP) 和 Azure OpenAI 的最小化服务器/客户端应用程序实现。
1. MCP 服务器基于 FastMCP 构建。
2. Playwright 是微软推出的一个开源端到端测试框架，用于测试现代 Web 应用程序。
3. 关于工具的 MCP 响应将被转换为 OpenAI 函数调用格式。
4. 将 MCP 服务器响应转换为 OpenAI 函数调用格式的桥接器自定义了 MCP-LLM Bridge 的实现。
5. 为确保连接稳定，服务器对象被直接传递到桥接器中。
6. client_bridge 支持进程内和外部 (stdio) MCP 服务器连接，从而实现不同客户端（如 Claude Code、VS Code、自定义脚本）的复用。

Related MCP server: MCP Simple OpenAI Assistant

模型上下文协议 (MCP)

模型上下文协议 (MCP) MCP 是一种开放协议，支持 AI 应用程序与本地或远程资源之间进行安全、受控的交互。

官方仓库

社区资源

MCP Playwright

配置

在 2024 年 12 月的开发阶段，Python 项目应使用 'uv' 初始化。其他依赖管理库（如 'pip' 和 'poetry'）尚未得到 MCP CLI 的完全支持。

将 .env.template 重命名为 .env，然后填入 Azure OpenAI 的相关值：

AZURE_OPEN_AI_ENDPOINT=
AZURE_OPEN_AI_API_KEY=
AZURE_OPEN_AI_DEPLOYMENT_MODEL=
AZURE_OPEN_AI_API_VERSION=

安装 uv 以进行 Python 库管理
```
pip install uv
uv sync
```
执行 python chatgui.py
- 示例屏幕显示客户端启动浏览器并导航到 URL。

与外部客户端配合使用

MCP 服务器可以通过 mcp.json 配置供外部客户端（Claude Desktop、VS Code、Claude Code 等）使用。

Claude Desktop / Claude Code

添加到你的 claude_desktop_config.json (Claude Desktop) 或 .claude/mcp.json (Claude Code)：

{
  "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

添加到工作区中的 .vscode/mcp.json：

{
  "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": "..."
      }
    }
  }
}

以编程方式使用桥接器 (stdio)

client_bridge 还支持通过 Python 的 stdio 连接到外部 MCP 服务器：

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")

使用标准 OpenAI (非 Azure)

from client_bridge.llm_config import get_openai_llm_config

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

设置环境变量：

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

直接工具执行

对于自行管理 LLM 循环的客户端，桥接器公开了工具元数据和直接执行功能：

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"})

关于 'stdio'

stdio 是一个传输层（原始数据流），而 JSON-RPC 是一个应用协议（结构化通信）。它们是不同的概念，但经常互换使用，例如协议中的“JSON-RPC over stdio”。

工具描述

@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'}

提示：uv

特性

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.

提示

python.exe 的 taskkill 命令

taskkill /IM python.exe /F

Visual Code：Python 调试器：使用 launch.json 进行调试将使用 .vscode/launch.json 中的配置启动调试器。

Azure OpenAI