项目简介

该项目是一个端到端的实验，旨在演示如何构建基于Model Context Protocol (MCP) 的服务器，将其容器化并部署到Azure Container Apps，并在Azure API Center中注册，最终通过LangGraph等AI框架发现并利用这些MCP工具。它提供了一个构建简单MCP服务器、部署和集成到Azure生态系统的完整流程。

主要功能点

快速构建MCP服务器： 使用 'FastMCP' 库快速创建符合MCP协议的服务器，用于托管AI工具。例如，仓库中包含了实现汽车零件查询或天气预报工具的MCP服务器示例。
Azure云部署： 将MCP服务器打包为容器并部署到Azure Container Apps，利用Azure的弹性伸缩能力和慷慨的免费额度。
API中心注册与发现： 在Azure API Center的MCP注册表中注册部署的MCP服务器，使其能被其他应用和LLM客户端轻松发现和管理。
AI工具消费： 演示如何通过 'langchain-mcp-adapters' 将已注册的MCP工具集成到 'LangGraph' 驱动的AI应用中，实现LLM对外部工具的智能调用。
安全认证集成： 支持Azure AD认证，确保与Azure OpenAI等服务的安全连接，并提供API Key认证方式。

安装步骤

Azure环境准备： 确保您拥有一个已启用Azure API Center的Azure订阅。
开发环境配置：
- 安装 Python 3.10+。
- 安装并配置 Azure CLI。
- 建议安装 VS Code 及 MCP 扩展（可选）。
- 准备 OpenAI 或 Azure OpenAI 服务访问权限。

克隆仓库与依赖安装：

git clone https://github.com/john-carroll-sw/mcp-registry.git
cd mcp-registry
# 假设存在requirements.txt，或手动安装所需库：
# pip install python-dotenv fastmcp httpx langchain-mcp-adapters langgraph langchain-openai azure-identity

构建与部署MCP服务器： 遵循仓库中 'part1-aca-mcp-weather-lab.md' （或类似指南）的详细说明，构建您的MCP服务器（例如示例中的天气服务器），将其容器化并部署到Azure Container Apps。
在Azure API Center注册： 按照微软官方文档指导，将您部署的MCP服务器注册到Azure API Center。

服务器配置

MCP客户端需要配置MCP服务器的连接信息。根据MCP服务器的部署方式（本地运行或远程部署），配置信息会有所不同。

本地MCP服务器（例如 'mcp_server_carparts.py'）的配置示例： 如果MCP服务器脚本（例如 'mcp_server_carparts.py'）在本地运行，MCP客户端可以通过启动命令来连接。以下是一个名为“revparts”的本地服务器配置示例：
```
{
    "revparts": {
        "command": "python",
        "args": ["mcp_server_carparts.py"],
        "transport": "sse"
    }
}
```
- 'revparts'：客户端为该MCP服务器指定的内部名称。
- 'command'：启动MCP服务器所使用的命令，例如 'python'。
- 'args'：传递给启动命令的参数，这里是服务器脚本 'mcp_server_carparts.py'。
- 'transport'：指定MCP服务器使用的传输协议，这里是 'sse' (Server-Sent Events)。
远程部署的MCP服务器（例如Azure Container Apps上的服务器）的配置示例： 当MCP服务器部署在远程（如Azure Container Apps）时，MCP客户端通过URL进行连接。以下是一个名为“weather”的远程服务器配置示例：
```
{
    "weather": {
        "url": "https://your-weather-mcp-server-url/sse",
        "transport": "sse",
        "headers": {
            "x-api-key": "your-api-key-if-required"
        }
    }
}
```
- 'weather'：客户端为该MCP服务器指定的内部名称。
- 'url'：部署后的MCP服务器的SSE端点URL。
- 'transport'：指定MCP服务器使用的传输协议，这里是 'sse'。
- 'headers'：可选，用于认证（如API Key）或其他自定义HTTP头。（本项目中的 'multi_mcp_client.py' 示例主要演示了这种远程连接方式。）

基本使用方法

一旦MCP服务器部署并注册到Azure API Center，您可以运行项目中的客户端示例来连接和使用它：

设置环境变量： 在项目的 '.env' 文件或系统环境中配置必要的变量，包括您部署的MCP服务器的URL（'WEATHER_MCP_URL'）、API Key（'WEATHER_API_KEY'，如果需要）以及Azure OpenAI服务的端点、部署名称和API版本等。
运行客户端代码： 运行 'multi_mcp_client.py' 脚本。该脚本会使用 'MultiServerMCPClient' 连接到您配置的MCP服务器，自动发现其提供的工具，并利用 'LangGraph' 代理和 Azure OpenAI 模型来调用这些工具，以响应用户查询。例如，它能查询部署的天气服务器获取天气信息。
```
python -m asyncio multi_mcp_client.py
```

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