项目简介

本项目是一个演示性质的 MCP 服务器实现，旨在展示如何利用 Model Context Protocol (MCP) 协议，结合大型语言模型 (LLM) 和 Elasticsearch，构建智能搜索应用后端。该服务器提供了一系列工具，允许 LLM 客户端通过标准化的 MCP 协议调用搜索功能，并利用 LLM 的能力进行高级查询规划和结果优化。

主要功能点

基于 MCP 协议: 实现了 MCP 服务器的核心功能，可以通过 JSON-RPC 协议与 MCP 客户端进行通信。
LLM 驱动的查询规划: 使用 OpenAI 的模型进行查询意图理解和查询优化，生成更有效的 Elasticsearch 查询计划。
Elasticsearch 搜索: 集成 Elasticsearch 作为底层搜索引擎，提供高效的全文检索能力。
预置工具: 提供用于电商产品搜索、索引管理和测试数据创建等工具，方便 LLM 客户端调用。
示例 Demo: 包含使用 OpenAI 和 Claude 客户端调用 MCP 服务器的示例脚本，展示了实际应用场景。

安装步骤

环境准备: 确保已安装 macOS 或 Linux 系统、Python 3.10+、Docker (用于 Elasticsearch)。
克隆仓库: 'git clone <repository-url>' 并进入 'search_mcp' 目录。
安装 Poetry: 如果未安装 Poetry，请根据仓库 'README.md' 指引安装。
安装依赖: 运行 'poetry install --no-root' 安装项目依赖。
启动 Elasticsearch: 使用 Docker 启动 Elasticsearch 容器，具体命令参考 'README.md'。
配置环境变量: 复制 '.env.example' 为 '.env'，并根据需要配置 Elasticsearch 和 OpenAI API 密钥等信息。

服务器配置

MCP 客户端需要以下配置信息才能连接到本 MCP 服务器：

{
  "serverName": "search_mcp_server",
  "command": "poetry",
  "args": ["run", "python", "run_server.py"],
  "description": "启动 Search MCP 服务器，用于处理 LLM 客户端的搜索请求。"
}

'serverName': 服务器名称，客户端可自定义。
'command': 启动服务器的命令，这里使用 'poetry run python run_server.py'，确保在项目根目录下执行。
'args': 命令参数，本例中参数为空。
'description': 服务器描述，方便客户端识别。

基本使用方法

启动服务器: 在仓库根目录下运行 'poetry run python run_server.py' 启动 MCP 服务器。
客户端交互: 可以使用仓库中提供的 'openai_mcp_search_demo.py' 或 'claude_mcp_search_demo.py' 脚本，或者自行开发 MCP 客户端，通过标准 MCP 协议与服务器进行交互，例如发送 'list_tools' 请求获取可用工具列表，发送 'tool_call' 请求调用具体工具。

工具调用示例: 客户端可以调用 'search' 工具进行电商产品搜索，例如：

{
  "id": "search-query-1",
  "type": "tool_call",
  "tool": "search",
  "args": {
    "query": "无线降噪耳机",
    "index": "ecommerce"
  }
}

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