关键词

AI工具集成LLM扩展功能调用Gemini AI外部API访问

使用说明

项目简介

本项目是一个基于 Model Context Protocol (MCP) 的服务器实现，旨在展示如何构建一个能够为大型语言模型（LLM）提供工具（Tools）的应用后端。该服务器允许LLM通过标准化的MCP协议调用外部功能，例如发布推文或执行计算。项目包含客户端和服务端两部分，客户端使用Google Gemini AI模型，服务端则实现了MCP服务器，并注册了两个示例工具：'addTwoNumbers'（加法计算）和 'createPost'（发布推文）。

主要功能点

  • 工具注册与执行: MCP服务器可以注册和管理多种工具，例如本项目中的 'addTwoNumbers' 和 'createPost'。这些工具可以被LLM客户端调用执行，扩展LLM的功能边界。
  • AI 模型集成: 客户端集成了 Google Gemini AI 模型，演示了如何通过MCP协议与MCP服务器交互，并利用服务器提供的工具增强AI能力。
  • SSE 通信: 客户端和服务端之间使用 Server-Sent Events (SSE) 协议进行通信，实现了实时的双向数据传输。
  • 环境配置: 项目提供了详细的环境配置和安装步骤，方便用户快速搭建和运行。
  • 示例工具: 提供了两个实用的示例工具，展示了MCP服务器在实际应用中的潜力。

安装步骤

  1. 克隆仓库: 首先克隆该 GitHub 仓库到本地。

    git clone https://github.com/ateekshsoni/mcp-server-trail-project.git
cd mcp-server-trail-project

  2. 配置服务器:

    • 进入 'server' 目录: 'cd server'
    • 安装依赖: 'npm install'
    • 创建 '.env' 文件，并根据 'README.md' 中的说明配置 Twitter API 凭据。例如： 
      TWITTER_API_KEY=your_api_key
TWITTER_API_KEY_SECRET=your_api_secret
TWITTER_ACCESS_TOKEN=your_access_token
TWITTER_ACCESS_TOKEN_SECRET=your_access_token_secret

  3. 配置客户端:

    • 返回项目根目录: 'cd ..'
    • 进入 'client' 目录: 'cd client'
    • 安装依赖: 'npm install'
    • 创建 '.env' 文件，并配置 Gemini API 密钥。例如： 
      GEMINI_API_KEY=your_gemini_api_key

  4. 启动服务器:

    • 返回 'server' 目录: 'cd ../server'
    • 启动服务器: 'node index.js'
    • 确保服务器成功运行并监听在 'http://localhost:3001'。

  5. 启动客户端:

    • 返回 'client' 目录: 'cd ../client'
    • 启动客户端: 'node index.js'
    • 客户端启动后，将连接到 MCP 服务器并等待用户输入。

服务器配置

MCP 客户端需要配置以下信息才能连接到 MCP 服务器。这些配置通常在客户端的初始化阶段完成。

{
  "serverName": "example-server",
  "command": "node",
  "args": ["server/index.js"]
}

配置参数说明:

  • 'serverName': MCP 服务器的名称，由服务端定义，客户端用于标识连接的服务器。（本示例中为 "example-server"）
  • 'command': 启动 MCP 服务器的命令。 （本示例中使用 Node.js 运行，所以命令为 "node"）
  • 'args': 启动命令的参数，用于指定服务器入口文件。（本示例中服务器入口文件为 "server/index.js"）

注意: 实际的 MCP 客户端可能需要更详细的配置，例如服务器地址、端口、传输协议等。本示例客户端已硬编码连接到 'http://localhost:3001/sse'，实际应用中可能需要将服务器地址配置化。

基本使用方法

  1. 启动服务器 后，再 启动客户端。
  2. 客户端成功连接服务器后，在命令行中输入你的问题或指令。
  3. AI 模型 (Gemini) 将接收你的输入，并根据需要调用 MCP 服务器提供的工具来处理请求。
  4. 你将在命令行中看到 AI 模型的回复和工具执行的结果。

示例交互:

  • 提问 "What's 25 plus 17?"，AI 模型会调用 'addTwoNumbers' 工具进行计算并返回结果。
  • 提问 "Post a tweet that says 'Hello from my MCP project!'", AI 模型会调用 'createPost' 工具在 Twitter 上发布推文。

信息

分类

AI与计算

访问项目