MCP Server

MCP サーバー

いくつかのモックツールと、オプションの Gradio プレイグラウンドを備えた、Model Context Protocol（MCP）の最小限のリファレンス実装です。

使用方法

サーバーをローカルで実行します。

python server.py

dev.env ファイルを作成し、OpenAI API キーを追加します。

OPENAI_API_KEY=your-openai-key

Google Colab またはその他のノートブック内では、ヘルパーを使用します。

from colab_adapter import launch_in_colab
launch_in_colab()

API はデフォルトでポート 8000 で提供され、Gradio UI は GRADIO_SERVER_PORT または 7860 から始まる最初の空きポートを使用します。

Google Colab で実行する

Colab で MCP_colab.ipynb を開くか、上のバッジをクリックしてセルを実行します。

空のノートブックから始める場合は、次のコマンドを実行してサーバーをセットアップし、起動します。

!git clone https://github.com/zack-dev-cm/mcp_server.git
%cd /content/mcp_server
!pip install fastapi uvicorn[standard] gradio==4.* pydantic python-dotenv \
            httpx openai pydantic-settings
from colab_adapter import launch_in_colab
launch_in_colab()

これで、別のセルから API にクエリを送信できます。

import requests, time
time.sleep(2)
print(requests.get("http://localhost:8000/v1/resources").json())

サーバーの出力に Gradio インターフェースの公開 URL が表示されるので、デモを視覚的に試すことができます。

LLM/VLM プラグインの例

プラグインを使うと、サーバーに新しいツールを追加できます。付属の openai_chat および openai_vision プラグインは、OpenAI モデルの呼び出し方法を示しています。環境に OPENAI_API_KEY を設定して、サーバーを起動します。

ローカルで実行する場合は、まず必要なパッケージをインストールします。

pip install openai httpx pydantic-settings
python server.py

Dockerfile は openai を自動的にインストールします。API または Gradio UI を介して、openai.chat または openai.vision ツールを呼び出します。

Streamable HTTP エンドポイント

ChatGPT コネクターは、統一された /mcp ルートを使ってサーバーに直接接続できます。 標準の JSON 応答を受け取るには、POST /mcp で JSON-RPC リクエストを送信します。クライアントが Server-Sent Events に対応している場合は、代わりに GET /mcp を実行して接続を開いたままにし、更新をストリーミングできます。

ChatGPT コネクターがサーバーのベース URL を参照し、ストリーミングなしとストリーミングの両方のやり取りに /mcp エンドポイントを使用するよう設定します。

ユーザーデータ API

認証済みのセッションでは、ユーザー固有の JSON ペイロードを保存・管理できます。 まずセッション ID をリクエストし、それをベアラートークンとして渡します。

# create a session and grab the token
TOKEN=$(curl -s -X POST http://localhost:8000/v1/initialize \
  -H 'Content-Type: application/json' \
  -d '{"id":1,"jsonrpc":"2.0","method":"initialize","params":{}}' \
  | jq -r '.result.sessionId')

# store data
curl -X POST http://localhost:8000/api/user/data \
  -H "Authorization: Bearer $TOKEN" \
  -H 'Content-Type: application/json' \
  -d '{"foo":"bar"}'

# fetch it back
curl -H "Authorization: Bearer $TOKEN" http://localhost:8000/api/user/data

# remove it
curl -X DELETE -H "Authorization: Bearer $TOKEN" \
  http://localhost:8000/api/user/data

Cloud Run へのデプロイ

付属の Dockerfile を使って、Google Cloud Run にサーバーをデプロイできます。

# build and push the container
gcloud builds submit --tag gcr.io/PROJECT_ID/mcp-server

# deploy the image to Cloud Run
gcloud run deploy mcp-server \
  --image gcr.io/PROJECT_ID/mcp-server \
  --region REGION \
  --allow-unauthenticated

Cloud Run は環境変数 PORT を自動的に設定し、サーバーはこれを使って同じエンドポイントで API と Gradio UI の両方を公開します。

テストの実行

テストスイートでは、ELEVENLABS_MCP_SECRET と OPENAI_API_KEY の両方が設定されている必要があります。dev.env をコピーして読み込んでから、pytest を実行します。

cp dev.env .env
set -a && source .env && set +a
pytest