Skip to main content
Glama

Lokales MCP + Groq + OpenAI Agents SDK

Dieses Unterrichtsbeispiel enthält:

  • app.py: ein dauerhaft laufender lokaler Streamable-HTTP-MCP-Server mit mehreren Tools.

  • mcp_groq_agent.ipynb: ein Agent, der diese Tools entdeckt und aufruft.

Einrichtung

Verwenden Sie Python 3.10 oder neuer. Öffnen Sie ein Terminal, wechseln Sie in diesen Projektordner, legen Sie eine virtuelle Umgebung an und installieren Sie alles, was sowohl der Server als auch das Notebook benötigt (ersetzen Sie python3.11 bei Bedarf durch Ihren aktuellen Python-Befehl):

cd /Users/somenathmandal/Documents/transfer/grok-playground/MCP
python3.11 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt

Erstellen Sie .env aus dem Beispiel und fügen Sie Ihren Groq-API-Schlüssel ein:

cp .env.example .env
GROQ_API_KEY=replace_with_your_groq_key
GROQ_MODEL=openai/gpt-oss-20b

Committen oder teilen Sie .env niemals; es wird von .gitignore ausgeschlossen.

Related MCP server: MCP Python Server - Streamable HTTP

MCP-Server starten

Starten Sie den MCP-Server in einem Terminal und lassen Sie ihn laufen:

source .venv/bin/activate
.venv/bin/python app.py

Der Streamable-HTTP-Endpunkt ist jetzt verfügbar unter:

http://127.0.0.1:8000/mcp

Lassen Sie dieses Terminal geöffnet. Drücken Sie Ctrl+C, wenn Sie den Server stoppen möchten.

Agent-Notebook ausführen

In einem zweiten Terminal:

cd /Users/somenathmandal/Documents/transfer/grok-playground/MCP
source .venv/bin/activate
jupyter lab mcp_groq_agent.ipynb

Wählen Sie den .venv-Python-Kernel aus, falls Jupyter danach fragt, und führen Sie die Zellen von oben nach unten aus. Das Notebook verbindet sich direkt mit http://127.0.0.1:8000/mcp; es startet oder importiert app.py niemals. Der Groq-API-Schlüssel wird aus .env geladen und niemals im Notebook gespeichert.

Wie die Komponenten verbunden sind

Notebook agent
    -> Groq OpenAI-compatible API (model reasoning and tool selection)
    -> http://127.0.0.1:8000/mcp (tool discovery and execution)
    -> app.py MCP tools

Der Server muss laufen, bevor die MCP-Verbindungszellen ausgeführt werden. Wenn das Notebook einen Verbindungsfehler meldet, prüfen Sie zuerst, ob das Server-Terminal anzeigt, dass Uvicorn auf http://127.0.0.1:8000 läuft.

Das Notebook schützt außerdem gegen veraltete Umgebungsvariablen für Zertifikatsdateien, die gelegentlich von Notebook-Startern geerbt werden. Es entfernt eine Zertifikatsvariable nur dann, wenn der referenzierte Pfad nicht existiert; gültige benutzerdefinierte Zertifikatseinstellungen bleiben erhalten.

F
license - not found
Not graded
quality - not tested
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • AI Reasoning Cache & Consensus Layer with 11 MCP tools via Streamable HTTP.

  • 16 AI-native tools with dual SSE + streamable-http transport. Free tier available.

  • Gateway between LLM agents and world data through eight tools and a bundled endpoint catalog.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/samtheAI/MCP'

If you have feedback or need assistance with the MCP directory API, please join our Discord server