mcpField
M
Mcp Langchain Server

Mcp Langchain Server

ローカル
github.com/sanjeetkumaritoutlook-userAI・エージェント056 週間前に更新

Mcp Langchain Server について

Mcp Langchain Serverは、Flask、LangChain、Ollamaを使うローカルプロジェクトです。APIでMCP形式のactionとparamsを受け取り、ローカルLLMに渡して応答を生成します。

主な機能

  1. 01Flask APIでactionとparamsを受付
  2. 02LangChainによるactionの解釈と振り分け
  3. 03Ollama経由でローカルLLMを使用
  4. 04ローカルでの実行

活用シーン

  1. 01APIのactionをアプリケーション処理に振り分け
  2. 02ローカルOllamaモデルで回答を生成
  3. 03mcp_agent.pyのタスク関数を拡張

MCP 対応

{ action, params }を受け付けるMCP形式のFlask APIを提供します。READMEには標準MCPプロトコルの実装について記載がありません。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

MCP 形式の LangChain + Ollama Python プロジェクトの機能:

完全無料でローカルに実行できます

Flask API を介して MCP 形式の { action, params } を受け付けます

回答を得るためにローカル LLM(Ollama 経由)にルーティングします

ファイル:

app.py ← Flask API(MCP 形式のサーバー)

│

├── app.py ← Flask API(MCP 形式のサーバー)-> Flask ウェブサーバー

├── mcp_agent.py ← LangChain のロジック:アクションを解釈します -> LangChain エージェント

├── requirements.txt ← Python の依存関係

└── README.md ← プロジェクトの概要

MCP ベースの LangChain サーバー

LangChain エージェントは正しいアクションを受け取りました

mcp_agent.py のロジックを使って実行しました

正しい時刻を Postman に返しました

次のステップ: ほかのアクション値でテストする

mcp_agent.py に新しい関数を追加する

またはフロントエンドと統合する

よりインテリジェントなタスクを追加したり、UI に接続したりしましょう!

Llama モデル

https://ollama.com/library をご覧ください

小規模なプロジェクトでは -> pip と requirements.txt 、PyCharm IDE

大規模なプロジェクトでは -> uv + ruff をお試しください。今後 Python を使ううえで優れたセットアップです。Zed IDE もお試しください。

Ruff は、Python エコシステム向けに Rust で書かれた高性能なリンター兼フォーマッターです。

https://docs.astral.sh/uv/guides/scripts/#creating-a-python-script

uv init
uv add ...

gemma:2b を実行する

ollama run gemma:2b

gemma:2b が使用する RAM はわずか約 2~3 GB です。

mistral を実行する

ollama run mistral

mistral に必要な RAM は約 4 GB のみで、一般的なタスクでも十分に高い性能を発揮します。

llama3 を実行する

ollama run llama3

Ollama は llama3 などのモデルを、メモリ上で完全にお使いのマシン上で実行します。

最適化されているとはいえ、LLaMA 3 には少なくとも約 6 GB の空き RAM が必要で、できればそれ以上が望ましいです(システム RAM は合計 8~12 GB を推奨します)。

ダウンロード済みモデルを一覧表示する:

ollama list

ほかのモデルを取得する:

ollama pull mistral

ollama pull codellama

実行中のモデルを停止する:

ollama stop

MCP サーバーを起動する:

python app.py

コミュニティモジュールを含む最新の LangChain をインストールする必要があります。具体的には、以下を実行します。

pip install langchain-community

推奨される完全なセットアップ(安全のため):

LangChain を Ollama と一緒に使用する場合は、以下がインストールされていることを確認してください。

pip install langchain langchain-community langchain-core langchainhub

pip install ollama

gemma:2b 、llama3 には知識の期限があります

静的な知識:これらのモデルは、ある時点までに利用可能だったデータ(多くのモデルでは、たとえば 2023 年半ばまでのデータ)を使ってトレーニングされています。

トレーニングの期限以降に起きたことは知りません。

LangChain/Ollama の構成で最新ニュースを扱いたい場合

ローカルモデルを次のものと組み合わせることができます:

RAG(検索拡張生成)。NewsAPI や Google ニュースなどの API を使って最新ニュースを取得します。

次に、その情報をコンテキストとして LLM に渡し、要約させたり、それに基づいて回答させたりします。

ローカルの Ollama モデルを使った LangChain + News API の統合。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。