Python MCP Agent Chatbot

Ein agentisches KI-Projekt für den Unterricht, vollständig in Python umgesetzt. Groq übernimmt das Reasoning des Modells, während ein lokaler MCP-Server die Tools bereitstellt.

Architektur

Browser -> FastAPI (Python) -> Groq -> MCP Client -> MCP Server (Python) -> Tool

Related MCP server: mcp-datecalc

Dateien

• app.py — FastAPI-Web-Backend, Groq-Agent-Schleife und MCP-Client

• mcp_server.py — Python-MCP-Server mit drei Tools

• test_mcp.py — MCP-Discovery- und Tool-Aufruf-Test

• index.html — Browser-Chat-Oberfläche

• pyproject.toml — Python-Abhängigkeiten

Ausführen unter Windows

uv sync --cache-dir .uv-cache
uv run --cache-dir .uv-cache uvicorn app:app --reload

Öffne http://127.0.0.1:8000.

Um MCP ohne Groq-API-Aufruf zu testen:

uv run --cache-dir .uv-cache python test_mcp.py

Probiere diese Fragen aus:

• 25 * 8 + 10 calculate karo

• Karachi mein abhi kya time hai?

• Ahmed ki attendance kya hai?

MCP-Ablauf

1. Funktionen in mcp_server.py werden mit @mcp.tool() registriert.

2. app.py startet diesen MCP-Server als lokalen Python-Subprozess über stdio.

3. Der MCP-Client ruft list_tools() auf, damit Groq die verfügbaren Tools sehen kann.

4. Groq wählt ein Tool aus und generiert dessen Argumente.

5. Der MCP-Client ruft call_tool() auf und gibt das Tool-Ergebnis an Groq zurück.

6. Groq wandelt das Ergebnis in eine natürlichsprachliche Antwort um.

Die Datei .env enthält den Groq-Schlüssel und ist absichtlich von Git ausgeschlossen.