使用说明

项目简介

本项目是一个基于 Model Context Protocol (MCP) 实现的示例服务器，专注于提供天气相关的信息服务。它注册并暴露了一系列工具（Tools），使得支持 MCP 协议的 LLM 客户端能够通过调用这些工具获取天气预报和预警信息。

主要功能点

天气预警查询: 提供工具查询美国指定州的当前天气预警信息。
天气预报查询: 提供工具查询指定地理位置（经纬度）的详细天气预报。
MCP 标准通信: 通过标准 JSON-RPC 和 Stdio 传输协议与 MCP 客户端进行交互。
工具注册与执行: 按照 MCP 规范注册天气相关的工具，并在接收到客户端请求时执行相应的外部 API 调用。

安装步骤

本项目基于 Python 开发，并使用了 'uv' 包管理器（也可使用 pip）。

确保已安装 Python 3.8+ 和 uv。

克隆仓库：

git clone https://github.com/guobinqiu/mcp-demo.git
cd mcp-demo

初始化项目并创建虚拟环境：

uv init mcp-demo
uv venv

激活虚拟环境：

source .venv/bin/activate # macOS/Linux
# 或 .venv\Scripts\activate # Windows

安装项目依赖：

uv add "mcp[cli]" httpx openai python-dotenv

删除默认的 'main.py' 文件：

rm main.py # macOS/Linux
# 或 del main.py # Windows

创建或修改 '.env' 文件，填入你的 DeepSeek API Key：

# .env
OPENAI_API_KEY="YOUR_DEEPSEEK_API_KEY"
# 如果需要，也可以指定API Base URL
# OPENAI_API_BASE="https://api.deepseek.com/v1"

将 'YOUR_DEEPSEEK_API_KEY' 替换为你的实际 DeepSeek API 密钥。

服务器配置

这个 MCP 服务器通过 Stdio 协议运行。要让 MCP 客户端连接并使用这个服务器，客户端需要知道如何启动它。

您需要在 MCP 客户端的配置文件中（通常是 JSON 格式）指定以下参数来启动和连接此服务器：

服务器名称 (name): 'weather'
启动命令 (command): 'python'
命令参数 (args): '["path/to/weather.py"]' (请替换 '"path/to/weather.py"' 为 'weather.py' 文件的实际绝对或相对路径)
传输协议 (transport): 'stdio'

例如，在某些客户端的配置文件中，对应的部分可能看起来像这样（具体格式取决于客户端实现）：

{
  "servers": [
    {
      "name": "weather",
      "transport": "stdio",
      "parameters": {
        "command": "python",
        "args": ["weather.py"]
      }
    }
  ]
}

请注意：上述是一个示例 JSON 片段，您应根据您的 MCP 客户端的要求进行实际配置，无需复制上面的代码块。关键信息是'name'、'command'和'args'。

基本使用方法

在完成安装和配置 '.env' 文件后，可以通过运行仓库中的 'client.py' 脚本来启动一个示例 MCP 客户端并连接到 'weather.py' 服务器。

确保你还在项目的虚拟环境中。

运行客户端脚本，并指定 'weather.py' 文件的路径：

python client.py weather.py

客户端启动后，会连接到服务器并显示可用的工具。
在提示符 'Query:' 后输入你的天气查询，例如 "what's the weather in new york" 或 "are there any alerts for california"。LLM 客户端将解析你的查询，并自动调用服务器提供的天气工具来获取信息并生成回复。
输入 'quit' 退出客户端。

关键词