Model Context Protocol (MCP) Server
Python-Implementierung des Model Context Protocol (MCP)
Dieses Projekt implementiert einen funktionierenden Model Context Protocol (MCP)-Server und -Client in Python gemäß der anthropischen MCP-Spezifikation. Es demonstriert die wichtigsten Muster des MCP-Protokolls anhand eines einfachen, interaktiven Beispiels.
Was ist MCP?
Das Model Context Protocol (MCP) ist ein offener Standard auf Basis von JSON-RPC 2.0 zur Verbindung von KI-Modellen mit externen Datenquellen und Tools. Es definiert eine Client-Server-Architektur, in der eine KI-Anwendung mit einem oder mehreren MCP-Servern kommuniziert. Jeder Server bietet folgende Funktionen:
Tools : Ausführbare Funktionen, die Aktionen ausführen
Ressourcen : Datenquellen, die Informationen bereitstellen
Eingabeaufforderungen : Vordefinierte Vorlagen oder Workflows
MCP standardisiert die Art und Weise, wie diese Funktionen erkannt und aufgerufen werden, und dient als „USB-C für KI“, das Modellen eine strukturierte Interaktion mit externen Systemen ermöglicht.
Related MCP server: simple_mcp
Projektstruktur
server/: MCP-Serverimplementierungserver.py: WebSocket-Server, der MCP-Anfragen verarbeitet und Beispieltools/-ressourcen bereitstellt
client/: MCP-Client-Implementierungclient.py: Demo-Client, der eine Verbindung zum Server herstellt und alle MCP-Funktionen ausübt
Demonstrierte Funktionen
Diese Implementierung zeigt den Kernablauf des MCP-Protokolls:
Fähigkeitsaushandlung : Client-Server-Handshake über
initializeCapability Discovery : Auflistung der verfügbaren Tools und Ressourcen
Toolaufruf : Aufruf des Tools
add_numbersmit ParameternRessourcenzugriff : Lesen von Textinhalten aus einer Ressource
Aufstellen
Erstellen Sie eine virtuelle Umgebung:
python3 -m venv .venv source .venv/bin/activateInstallieren Sie Abhängigkeiten:
pip install -r requirements.txt
Verwendung
Starten Sie den MCP-Server (in einem Terminal):
python server/server.pyFühren Sie den MCP-Client aus (in einem anderen Terminal):
python client/client.py
Der Client stellt eine Verbindung zum Server her, führt den MCP-Handshake durch, erkennt Funktionen und demonstriert das Aufrufen von Tools und den Zugriff auf Ressourcen mit formatierter Ausgabe.
Wie es funktioniert
MCP-Server
Der Server:
Akzeptiert WebSocket-Verbindungen
Reagiert auf JSON-RPC-Anfragen gemäß der MCP-Spezifikation
Stellt ein Beispieltool bereit (
add_numbers)Stellt eine Beispielressource bereit (
example.txt)Unterstützt den MCP-Handshake und die Fähigkeitserkennung
MCP-Client
Der Kunde:
Verbindet sich mit dem Server über WebSocket
Führt den MCP-Handshake aus
Entdeckt verfügbare Tools und Ressourcen
Demonstriert den Aufruf eines Tools und das Lesen einer Ressource
Präsentiert die Ergebnisse in einer formatierten Anzeige
Protokolldetails
MCP implementiert diese Schlüsselmethoden:
Verfahren | Beschreibung |
| Handshake zur Festlegung der Fähigkeiten |
| Liste der verfügbaren Tools |
| Aufrufen eines Tools mit Argumenten |
| Auflisten der verfügbaren Ressourcen |
| Ressourceninhalt lesen |
| Liste der verfügbaren Eingabeaufforderungen |
Erweiterung des Projekts
Sie können diese Implementierung erweitern durch:
Hinzufügen weiterer Tools mit unterschiedlichen Funktionen
Hinzufügen dynamischer Ressourcen, die sich bei jedem Lesevorgang ändern
Implementieren von Eingabevorlagen für geführte Interaktionen
Erstellen interaktiverer Clientanwendungen
Verweise
This server cannot be deployed
Maintenance
Related MCP Connectors
The Mercado Pago MCP Server implements the Model Context Protocol to provide AI agents and LLMs with access to Mercado Pago's APIs and tools within compatible development environments. It acts as an intermediary that translates Mercado Pago resources into executable functions (tools) that AI applications can invoke to perform actions and automate flows. The server simplifies integration, enables using documentation to implement or improve code, and optimizes operations through natural language interactions without manual implementations.
Nifty's MCP server — exposes tasks, projects, messages, and files as tools for AI agents.
MCP server for progressive tool usage at any scale (see https://klavis.ai)
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
Related MCP Servers
- AlicenseNot gradedqualityNot gradedmaintenanceAn MCP server implementation that standardizes how AI applications access tools and context, providing a central hub that manages tool discovery, execution, and context management with a simplified configuration system.13-
- FlicenseNot gradedqualityDmaintenanceAn educational MCP server that teaches implementing the Model Context Protocol from scratch, enabling AI models to discover and invoke tools via JSON-RPC over stdio.-
- FlicenseNot gradedqualityFmaintenanceA basic MCP server implementation using Node.js and TypeScript that bridges AI models with external tools and data sources via JSON-RPC.2-
- FlicenseNot gradedqualityDmaintenanceA demo MCP server that connects an AI to external systems by exposing Python functions as tools and data as resources, using the stdio transport.-