AI Gateway MCP 服务器实现合集

使用说明内容（Markdown格式）

• 项目简介

  • 该仓库聚合了基于 MCP（Model Context Protocol）的多种服务器实现示例，展示如何在后端托管资源、注册与执行工具、定义并渲染 Prompt 模板，以及通过不同传输协议（如 SSE、HTTP、stdio）与客户端进行 JSON-RPC 通信。
  • 每个示例都包含核心服务端代码，通常以 FastMCP / MCP Server 组件实现工具暴露、以及 Starlette / Uvicorn 等方式提供传输入口。

• 主要功能点

  • 资源与工具的托管：服务器可注册并暴露资源与工具，LLM 客户端可查询、调用并获取结果。
  • 工具执行与响应流：工具执行支持同步与流式返回，便于 LLM 在推理过程中逐步得到结果。
  • 提示模板与渲染：提供 Prompts/模板以定制化 LLM 的对话模式与行为。
  • 多传输适配：包括 SSE、Streamable HTTP、Stdio 等传输途径，确保不同部署场景的可用性。
  • 会话与安全：示例中常包含会话标识、访问凭证/令牌传输的能力，以及对外部系统的集成入口。

• 安装步骤

  • 逐个实验/示例的安装与运行通常需要 Python 环境与依赖（如 fastmcp/mcp、Starlette、uvicorn、httpx 等），请按照各示例的 README/Notebook 指引安装依赖。
  • 以 ServiceNow MCP 服务器为例，运行方式通常为直接执行 Python 脚本（主入口会启动一个基于 Starlette 的 SSE/HTTP 服务），并在环境变量中配置所需的外部服务凭证和目标端点。

• 服务器配置（示例 MCP 客户端无需实现；以下是服务器端的启动配置示例） { "server_name": "ServiceNow-MCP", "command": "uvicorn", "args": [ "labs.model_context_protocol.src.servicenow.mcp_server.mcp_server:starlette_app", "--host", "0.0.0.0", "--port", "8080" ] }

  说明：

  • server_name：服务器实例名称，标识该 MCP 服务的身份。
  • command：启动服务器所用的执行程序，示例中常见为 uvicorn（用于 Starlette/FastAPI 之类的应用），也可使用直接运行 Python 脚本的方式。
  • args：启动命令的参数，包含模块路径和应用对象名称，以及监听的主机与端口。具体路径请依据实际仓库中的可执行入口来设定（例如某些示例的入口可能是 starlette_app、app、mcp_server 等名称）。

• 基本使用方法

  • 启动服务器后，MCP 客户端通过 MCP 协议向服务器发起请求，读取资源、调用工具、获取 prompts 等。
  • 客户端在配置好服务器地址后，即可发起 JSON-RPC 请求，服务器返回标准 JSON-RPC 响应。
  • 如需测试，可使用仓库中的 Mock/测试工具或示例客户端，逐步向工具列表发起调用并查看 streaming/分块结果。

• 连接示例（简述）

  • 选择一个 MCP 服务实现（如 ServiceNow、Weather、GitHub 等实验示例），在服务器入口处启动后端服务。
  • 使用 MCP 客户端连接到服务器，读取 available_tools、invoke_tool 等接口，执行操作并获取结果。

• 额外说明

  • 本仓库包含多种实现、多个实验场景，具体运行依赖、环境变量、输入参数请参考各实验的 README/Notebook。
  • 由于不同语言结构与目录命名的实现差异，实际运行时请确保能通过脚本入口直接启动（如 python 脚本或 uvicorn 模块入口）并正确暴露服务端口。