Python MCP Agent Chatbot

一个完全用 Python 构建的 Agentic AI 课堂项目。Groq 负责模型推理，本地 MCP 服务器提供工具。

架构

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

Related MCP server: mcp-datecalc

文件

• app.py — FastAPI Web 后端、Groq 代理循环和 MCP 客户端

• mcp_server.py — 包含三个工具的 Python MCP 服务器

• test_mcp.py — MCP 发现和工具调用测试

• index.html — 浏览器聊天界面

• pyproject.toml — Python 依赖

在 Windows 上运行

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

打开 http://127.0.0.1:8000。

要在不调用 Groq API 的情况下测试 MCP：

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

试试这些问题：

• 25 * 8 + 10 calculate karo

• Karachi mein abhi kya time hai?

• Ahmed ki attendance kya hai?

MCP 流程

1. mcp_server.py 中的函数通过 @mcp.tool() 注册。

2. app.py 使用 stdio 将该 MCP 服务器作为本地 Python 子进程启动。

3. MCP 客户端调用 list_tools()，以便 Groq 能看到可用的工具。

4. Groq 选择一个工具并生成其参数。

5. MCP 客户端调用 call_tool() 并将工具结果返回给 Groq。

6. Groq 将结果转换为自然语言回答。

.env 文件包含 Groq 密钥，并有意从 Git 中排除。