关键词

LLM 工具调用外部功能扩展Gradio 集成AI 应用开发上下文服务

本项目是一个使用 Gradio 框架实现的极简 MCP (Model Context Protocol) 服务器示例。它不仅提供一个可视化的 Web UI，还能同时作为一个 MCP 服务器运行，允许兼容 MCP 的 LLM 客户端通过网络调用预设的功能（即“工具”）。

主要功能点:

  • Gradio Web UI: 提供一个简单的网页界面，展示工具的使用方式。
  • MCP 服务器功能: 在同一端口上启动一个 SSE (Server-Sent Events) 形式的 MCP 服务端点。
  • 工具注册: 自动将符合规范的 Python 函数（例如 'letter_counter'）作为 MCP 工具暴露给客户端。
  • 易于扩展: 通过添加带有类型提示和文档字符串的 Python 函数，可以方便地增加新的 MCP 工具。
  • 多种部署方式: 可以在本地运行，也可以轻松部署到如 Hugging Face Spaces 等平台，成为公开的 MCP 服务器。

安装步骤:

  1. 克隆仓库: 
    git clone https://github.com/Sunwood-ai-labs/gradio-mcp-minimal.git
cd gradio-mcp-minimal
  2. 创建并激活虚拟环境: 推荐使用 'uv' 或标准 'venv'。
    • 使用 'uv' (如果已安装): 
      uv venv
source .venv/bin/activate
    • 使用标准 'venv': 
      python -m venv .venv
source .venv/bin/activate
  3. 安装依赖: 
    uv pip install -r requirements.txt
# 或者使用 pip:
# pip install -r requirements.txt

服务器配置（供 MCP 客户端参考）:

某些 MCP 客户端需要配置如何启动 MCP 服务器进程。这种配置通常包含服务器的唯一名称、用于启动服务器的可执行命令及其参数。对于本项目，启动命令是运行 'app.py' 文件。

配置时需要提供以下信息：

  • 服务器名称 (server name): 一个用于在客户端中识别此服务器的任意字符串（例如 'gradio-local' 或 'my-gradio-mcp'）。
  • 启动命令 (command): 启动服务器进程的可执行程序，通常是 Python 解释器路径（例如 'python' 或 '/path/to/.venv/bin/python'）。
  • 命令参数 (args): 传递给启动命令的参数列表。对于本项目，参数是脚本文件的路径（例如 'app.py'）。启动脚本会监听 'PORT' 环境变量或默认端口 7860。

根据此仓库信息，一个典型的启动命令配置会指向 'python' 和 'app.py'。客户端会根据这些信息在需要时启动服务器进程。

请注意，本项目示例也展示了客户端直接连接到已运行服务器的 SSE URL 的方式，具体连接方法取决于你使用的 MCP 客户端。

基本使用方法:

  1. 启动服务器: 在项目目录下执行： 
    python app.py
    服务器将启动并监听端口（默认为 7860）。你可以在浏览器中访问 'http://127.0.0.1:7860' 查看 Gradio Web UI。MCP SSE 服务端点位于 'http://127.0.0.1:7860/gradio_api/mcp/sse'。
  2. 配置 MCP 客户端: 打开你的 MCP 客户端（如 Claude Desktop, Cline 等）的配置文件。根据客户端要求，添加一个新的 MCP 服务器配置项。这个配置项会包含服务器名称和连接信息（如上面提到的启动命令/参数，或直接的 SSE URL）。
  3. 在 LLM 中调用工具: 重启 MCP 客户端。在 LLM 界面中，你应该能看到一个新的可用工具服务器，以及其中包含的 'letter_counter' 工具。现在你可以在与 LLM 交互时指示它调用 'letter_counter' 工具，例如通过 prompts 中触发工具调用的语法来让 LLM 调用该工具进行字母计数。

可用的工具:

  • 'letter_counter': 计算给定文本中某个字母出现的次数。接受 'text' (要搜索的文本) 和 'letter' (要计数的字母) 作为输入，返回计数结果。

信息

分类

开发者工具

访问项目