关键词

模型上下文协议资源管理工具执行数据元信息JSON-RPC 服务
  • 项目简介
    • 该仓库实现了一个MCP服务器，用于通过标准化接口向LLM客户端暴露ATLAS Central Page中的资源、工具以及元数据查询能力，便于LLM在推理过程中获取上下文信息并执行外部操作。
  • 主要功能点
    • MCP服务器实现：提供多种工具接口（如获取允许的作用域、通过关键词检索地址、获取事件生成地址的样例、按数据集运行获取数据集合、获取数据集元数据等），返回JSON格式数据。
    • 支持多种传输协议：服务器可通过STDIO（子进程交互，如VS Code集成环境）或HTTP传输进行通信，方便在不同客户端场景下使用。
    • 会话与能力暴露：通过中央页面逻辑封装实现，包含范围描述、标签查询、元数据以及 provenance 的查询能力，便于LLM在对话中灵活调用。
    • 服务端实现与测试分离：包含服务器实现代码以及针对核心逻辑（如中央页解析、 provenance、元数据获取等）的测试用例，确保功能明确且可验证。
  • 安装步骤（简要）
    • 准备Python运行环境（Python 3.8+）。
    • 安装依赖库（示例包括 FastMCP、Pydantic、diskcache 等，具体依赖在环境中安装即可）。
    • 将仓库中的代码部署到目标环境中，确保能够访问所需外部工具或接口（如AMI工具、Rucio等）以正常运行。
  • 服务器配置（MCP客户端所需信息，JSON格式示例）
    • server_name: atlas_standard_MonteCarlo_catalog
    • command: uv
    • args: ["run", "-m", "atlas_mcp.server", "--transport", "stdio"] 说明：上述配置用于在STDIO传输模式下启动服务器。若要使用HTTP传输，请将 args 替换为 ["run", "-m", "atlas_mcp.server", "--transport", "http", "--port", "8080"]，并在后续客户端中使用相应的端口连接。
  • 基本使用方法
    1. 启动服务器（STDIO模式）: 使用命令行工具运行配置中的命令，即以STDIO方式启动服务，服务器准备就绪后可被LLM客户端通过JSON-RPC调用。
    2. 通过客户端调用工具接口：客户端向服务器发送JSON-RPC请求，例如查询允许的作用域、按关键词检索地址、获取数据集元数据等，服务器返回JSON格式的响应。
    3. 进行能力拼接：将资源、工具与元数据查询结果结合，驱动LLM在对话中进行上下文扩充、数据获取与外部功能调用。
    4. 如需切换传输模式：可将传输模式改为HTTP并指定端口，HTTP模式下的客户端可通过http://<host>:<port>/mcp访问服务。

信息

分类

AI与计算

访问项目