使用说明

项目简介

Deepin MCP Python 仓库提供了一组基于 Python 的 MCP (Model Context Protocol) 服务器示例。这些服务器实现了 MCP 协议，可以作为 LLM (大型语言模型) 的后端，为其提供工具调用和上下文信息管理能力。仓库中包含了天气查询服务器、文件操作服务器和 Bash 命令执行服务器等示例，展示了如何使用 Python 和 'fastmcp' 库构建 MCP 服务器。

主要功能点

工具 (Tools) 注册与调用: 示例服务器通过 '@mcp.tool()' 装饰器注册工具函数，允许 MCP 客户端通过 JSON-RPC 协议调用这些工具，扩展 LLM 的能力。
资源 (Resources) 管理 (示例): 虽然示例中未显式展示资源管理，但 MCP 服务器的设计理念支持资源管理，可以根据实际需求扩展。
Prompt 模板 (Prompts) 支持 (隐式): MCP 服务器可以根据客户端请求，动态生成 Prompt，示例中通过工具的描述和输入Schema隐式体现了 Prompt 模板的思想。
Stdio 传输协议: 示例服务器默认使用 Stdio (标准输入输出) 作为传输协议，方便本地测试和部署。
会话管理与能力声明: 'fastmcp' 库在底层处理了 MCP 协议的会话管理和能力声明，服务器开发者只需关注工具功能的实现。
可扩展性: 通过添加新的 Python 模块和使用 '@mcp.tool()' 注册新的工具函数，可以轻松扩展服务器的功能。

安装步骤

克隆仓库:

git clone https://github.com/toberyan/deepin-mcp-python.git
cd deepin-mcp-python

创建并激活虚拟环境 (可选但推荐):

python -m venv .venv
source .venv/bin/activate   # Linux/macOS
.venv\Scripts\activate  # Windows

安装依赖:

pip install -e .

或者使用 'uv' (如果已安装):

uv pip install -e .

服务器配置

MCP 客户端 (例如 'client/client.py') 需要配置 MCP 服务器的启动命令和参数才能连接。以下是一些示例配置信息，客户端需要根据实际使用的服务器类型选择相应的配置。

Bash 命令执行服务器 (bash_server.py):

{
  "server name": "BashServer",
  "command": "python",
  "args": ["servers/bash_server.py"]
  // 或者使用 uv 启动:
  // "command": "uv",
  // "args": ["run", "python", "servers/bash_server.py"]
}

天气查询服务器 (weather_server.py):

{
  "server name": "WeatherServer",
  "command": "python",
  "args": ["servers/weather_server.py"]
  // 或者使用 uv 启动:
  // "command": "uv",
  // "args": ["run", "python", "servers/weather_server.py"]
}

文件操作服务器 (file_server.py):

{
  "server name": "FileServer",
  "command": "python",
  "args": ["servers/file_server.py"]
  // 或者使用 uv 启动:
  // "command": "uv",
  // "args": ["run", "python", "servers/file_server.py"]
}

注意:

上述配置信息为 JSON 格式示例，实际配置方式取决于 MCP 客户端的具体实现。
'command' 字段指定了启动服务器的命令，通常为 'python' 或 'uv run python'。
'args' 字段是一个字符串数组，包含了服务器脚本的路径。
用户需要根据实际情况修改脚本路径，确保客户端能够找到并启动服务器。
如果使用天气查询服务器，可能需要在 'servers/weather_server.py' 中配置 OpenWeatherMap API 密钥 (YOUR_API_KEY)。

基本使用方法

启动 MCP 服务器: 打开终端，进入仓库目录，根据需要启动不同的服务器示例。例如，启动 Bash 命令执行服务器：
```
python servers/bash_server.py
```
或者使用 'uv' 启动:
```
uv run python servers/bash_server.py
```
服务器成功启动后，通常会在终端保持运行状态，等待客户端连接和请求。

运行 MCP 客户端: 在另一个终端窗口，同样进入仓库目录，运行 'client/client.py' 客户端，并指定要连接的服务器脚本路径作为参数。例如，连接到 Bash 命令执行服务器：

python client/client.py servers/bash_server.py

或者使用 'uv' 启动客户端:

uv run python client/client.py servers/bash_server.py

与服务器交互: 客户端成功连接到服务器后，即可在客户端的 Query 提示符下输入自然语言查询，客户端会将查询发送给 LLM 进行处理，并根据 LLM 的指令调用服务器提供的工具。例如，在连接到 Bash 命令执行服务器后，可以输入 "列出当前目录下的文件" 或 "创建一个名为 test.txt 的文件" 等指令。
任务规划系统 (planning.py): 仓库还提供了一个 'planning.py' 脚本，用于演示如何使用 LLM 进行任务规划，并将复杂任务分解为多个步骤，自动调用 MCP 服务器提供的工具执行。运行 'planning.py' 脚本：
```
python planning.py
```
或者使用 'uv' 运行:
```
uv run python planning.py
```
按照提示输入用户请求，系统会自动分析请求、分解任务并执行。

总结

Deepin MCP Python 仓库提供了一组实用的 MCP 服务器示例，可以帮助开发者快速理解和上手 MCP 服务器的开发。通过这些示例，可以学习如何使用 'fastmcp' 库构建工具丰富的 MCP 服务器，并将其与 LLM 客户端连接，构建强大的上下文服务应用。

关键词