项目简介

该仓库是一个 AI 教程集合，其中包括了使用 'fastmcp' Python 库来构建和运行 Model Context Protocol (MCP) 服务器的示例。这些示例展示了如何定义 MCP 的核心组成部分：资源 (Resources)、工具 (Tools) 和 Prompt 模板 (Prompts)，以及如何启动服务器以供 MCP 客户端连接和使用。

主要功能点

定义 MCP 资源： 示例展示了如何使用 '@mcp.resource()' 装饰器创建通过 URI 访问的数据端点。
定义 MCP 工具： 示例展示了如何使用 '@mcp.tool()' 装饰器创建可供 LLM 调用的外部功能。
定义 Prompt 模板： 示例展示了如何使用 '@mcp.prompt()' 装饰器创建 LLM 可以获取和使用的预定义 Prompt 结构。
运行 MCP 服务器： 示例包含启动一个基于 SSE (Server-Sent Events) 传输协议的 MCP 服务器的代码，使其能够接收来自 MCP 客户端的请求。

安装步骤

克隆仓库：

git clone https://github.com/yogev-ktuvim/AI-Tutorials.git
cd AI-Tutorials

安装依赖： 导航到包含服务器示例的目录（例如 'agent-using-mcp-tools/src/mcp_server' 或 'create-remote-mcp-server'），并安装所需的 Python 包。通常只需要 'fastmcp' 和其依赖项。

# 例如，进入其中一个服务器示例目录
cd agent-using-mcp-tools/src/mcp_server
# 安装依赖
pip install -r requirements.txt # 如果存在 requirements.txt
# 或者手动安装 fastmcp 库
pip install fastmcp anyio

请根据具体示例目录下的 README 文件确认准确的依赖安装方式。

服务器配置

MCP 客户端需要配置服务器的启动信息才能连接。对于此示例，您可以根据服务器代码（如 'agent-using-mcp-tools/src/mcp_server/server.py' 或 'create-remote-mcp-server/server.py' 文件）构建客户端所需的 JSON 配置。典型的配置信息如下所示，客户端会使用这些信息来启动和连接到 MCP 服务器进程：

'server_name': 服务器的名称，例如 '"Echo"' (取决于 'FastMCP' 初始化时传入的名称)。
'command': 启动服务器进程的命令，通常是 '"python"'。
'args': 一个字符串列表，包含传递给 'command' 的参数，通常是服务器 Python 脚本的路径，例如 '["path/to/your/server.py"]'。
'transport': 服务器使用的传输协议，此示例中使用的是 '"sse"'。
'transport_config': 一个字典，包含传输协议的配置详情。对于 '"sse"'，通常包含服务器监听的 URL，例如 '{"url": "http://127.0.0.1:8004/sse"}'。

注意：上述是配置信息描述，实际在客户端配置时需要按照 MCP 客户端的要求构建对应的 JSON 结构。

基本使用方法

启动 MCP 服务器： 打开终端，导航到包含服务器脚本的目录（例如 'agent-using-mcp-tools/src/mcp_server'），然后运行服务器脚本。
```
# 在服务器目录中运行
python server.py
```
服务器将在指定的地址和端口（默认为 'http://0.0.0.0:8004'）启动，并使用 SSE 传输。
启动 MCP 客户端： 使用兼容 MCP 协议的客户端（例如仓库中提供的 'client.py' 示例，或任何支持 MCP 的 LLM 应用/框架），并配置其连接到刚刚启动的服务器地址 ('http://127.0.0.1:8004/sse')。客户端即可发现并调用服务器暴露的资源、工具和 Prompt。例如，示例服务器提供了 "echo" 资源、工具和 Prompt，客户端可以通过这些接口与服务器交互。

通过运行这些示例，您可以了解如何使用 'fastmcp' 库快速构建一个简单的 MCP 服务器并与客户端进行通信。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息