MCP REST API and CLI Client

MCP REST API 和命令行客户端

一个简单的 REST API 和命令行客户端，用于与 Model Context Protocol (MCP) 服务交互。

主要功能

1. MCP 兼容服务

• 支持任何 MCP 兼容服务。
• 预配置的默认服务：
  • SQLite（已提供包含示例产品数据的 test.db）
  • Brave Search
• 可在 mcp-server-config.json 文件中添加其他 MCP 服务

2. 与 LangChain 集成

• 利用 LangChain 执行大模型提示词。
• 支持多个 MCP 服务协作，同时响应特定查询。

3. 大模型提供商支持

• 兼容任何支持具有函数功能的 API 的大模型提供商。
• 示例：
  • OpenAI
  • Claude
  • Gemini
  • AWS Nova
  • Groq
  • Ollama
  • 基本上所有大模型提供商都支持，只要它们提供基于函数的 API。更多详情请参考 langchain 文档。

设置

1. 克隆仓库：

   git clone https://github.com/rakesh-eltropy/mcp-client.git
   

2. 导航到项目目录 克隆仓库后，移动到项目目录：

   cd mcp-client
   

3. 设置 OPENAI_API_KEY 环境变量：

   export OPENAI_API_KEY=your-openai-api-key
   

   你也可以在 mcp-server-config.json 文件中设置 OPENAI_API_KEY。

   你也可以在 mcp-server-config.json 文件中设置 provider 和 model。 例如 provider 可以是 ollama，model 可以是 llama3.2:3b。

4. 设置 BRAVE_API_KEY 环境变量：

   export BRAVE_API_KEY=your-brave-api-key
   

   你也可以在 mcp-server-config.json 文件中设置 BRAVE_API_KEY。 你可以从 Brave Search API 获取免费的 BRAVE_API_KEY。

5. 从命令行运行：

   uv run cli.py
   

   要查看可用命令，使用 help 选项。你可以使用 chat 命令与大模型聊天。 示例提示词：

     What is the capital city of India?
   

     Search the most expensive product from database and find more details about it from amazon?
   

6. Running from the REST API:

   uvicorn app:app --reload
   

   你可以使用以下 curl 命令与大模型聊天：

   curl -X POST -H "Content-Type: application/json" -d '{"message": "list all the products from my local database?"}' http://localhost:8000/chat
   

   你可以使用以下 curl 命令与大模型进行流式聊天：

   curl -X POST -H "Content-Type: application/json" -d '{"message": "list all the products from my local database?", "streaming": true}' http://localhost:8000/chat
   

贡献

欢迎提交 issue 和 pull request 以改进或修复 bug。