Python MCP Agent Chatbot

Un proyecto de aula de IA agéntica construido completamente en Python. Groq maneja el razonamiento del modelo mientras un servidor MCP local proporciona herramientas.

Arquitectura

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

Related MCP server: mcp-datecalc

Archivos

• app.py — backend web FastAPI, bucle de agente Groq y cliente MCP

• mcp_server.py — servidor MCP de Python con tres herramientas

• test_mcp.py — prueba de descubrimiento y llamada a herramientas de MCP

• index.html — interfaz de chat en el navegador

• pyproject.toml — dependencias de Python

Ejecutar en Windows

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

Abre http://127.0.0.1:8000.

Para probar MCP sin llamada a la API de Groq:

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

Prueba estas preguntas:

• 25 * 8 + 10 calculate karo

• Karachi mein abhi kya time hai?

• Ahmed ki attendance kya hai?

Flujo de MCP

1. Las funciones en mcp_server.py se registran con @mcp.tool().

2. app.py lanza ese servidor MCP como un subproceso local de Python usando stdio.

3. El cliente MCP llama a list_tools() para que Groq pueda ver las herramientas disponibles.

4. Groq selecciona una herramienta y genera sus argumentos.

5. El cliente MCP llama a call_tool() y devuelve el resultado de la herramienta a Groq.

6. Groq convierte el resultado en una respuesta en lenguaje natural.

El archivo .env contiene la clave de Groq y está excluido intencionalmente de Git.