mcpField
M
MCP Starter Project

MCP Starter Project

ローカル
github.com/sharmatriloknath開発ツール182 週間前に更新

MCP Starter Project について

Python 製 MCP サーバーと TypeScript クライアントの構築方法を学ぶための開発者向けスタータープロジェクトです。ドキュメント検索、セッション単位の会話履歴、Hugging Face モデルによるツール呼び出しを扱います。

主な機能

  1. 01Python 製 MCP サーバー
  2. 02Express ベースの TypeScript クライアント
  3. 03LangChain、LlamaIndex、OpenAI のドキュメント検索
  4. 04セッション単位の会話履歴
  5. 05ツール呼び出しの実行とエラー処理

活用シーン

  1. 01MCP サーバーとクライアントの試作
  2. 02チャットでの AI ライブラリ文書検索
  3. 03セッションを伴うツール連携のテスト

MCP 対応

ドキュメント検索ツールを公開する Python 製 MCP サーバーと、接続してツールを取得し、モデルが生成したツール呼び出しを実行する TypeScript クライアントを含みます。

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 スタータープロジェクト

MCP とは?

Model Context Protocol(MCP)は、外部のツールや API とやり取りできる AI アプリケーションを構築するための標準です。主に次の 2 つのコンポーネントで構成されています。

  1. MCP サーバー:AI モデルから呼び出せるツールや関数を定義して公開する Python サービスです
  2. MCP クライアント:MCP サーバーに接続し、AI モデルとツールの間のやり取りを管理する TypeScript/JavaScript クライアントです

プロジェクト構成

mcp_starter/
├── mcp-server/           # Python MCP server implementation
│   ├── main.py          # Server with documentation search tool
│   └── pyproject.toml   # Python dependencies
└── mcp-clients/         # TypeScript MCP client implementation
    ├── index.ts         # Express server with HuggingFace integration
    └── package.json     # Node.js dependencies

はじめに

前提条件
サーバーのセットアップ
  1. Python 仮想環境を作成して有効化します。
cd mcp-server
python -m venv .venv
# On Windows
.venv\Scripts\activate
  1. 依存関係をインストールします。
pip install -e .
  1. mcp-server ディレクトリに .env ファイルを作成します。
SERPER_API_KEY=your_serper_api_key_here
クライアントのセットアップ
  1. Node.js の依存関係をインストールします。
cd mcp-clients
npm install
  1. mcp-clients ディレクトリに .env ファイルを作成します。
HUGGINGFACE_API_KEY=your_huggingface_api_key_here
  1. TypeScript コードをビルドします。
npm run build

アプリケーションの実行

  1. MCP サーバーを起動します。
cd mcp-server
python main.py
  1. 新しいターミナルで、クライアントサーバーを起動します。
cd mcp-clients
node build/index.js ../mcp-server/main.py

API の使用

クライアントは次の 2 つのエンドポイントを公開します。

  • ヘルスチェック:GET http://localhost:3000/health
  • チャット:POST http://localhost:3000/chat

チャットリクエストの例:

{
  "query": "Search the langchain docs for RAG",
  "sessionId": "user123"
}

機能

  • ドキュメント検索ツール:人気の AI ライブラリのドキュメントを検索します。

    • LangChain
    • LlamaIndex
    • OpenAI
  • 会話管理:セッションごとにチャット履歴を保持します

  • ツール連携:AI モデルの応答とツール呼び出しをシームレスに連携します

  • エラー処理:API 呼び出しとツール実行に対して堅牢なエラー処理を行います

動作の仕組み

  1. MCP サーバーは、AI モデルから呼び出せるツールを定義します
  2. クライアントは MCP サーバーに接続し、利用可能なツールを取得します
  3. ユーザーがクエリを送信すると:
    • クライアントが会話履歴を整形します
    • Hugging Face モデルに送信します
    • モデルの応答からツール呼び出しを抽出して実行します
    • ツールの結果を含む最終応答を返します

環境変数

サーバー
  • SERPER_API_KEY:Google 検索機能用の API キー
クライアント
  • HUGGINGFACE_API_KEY:Hugging Face モデルへのアクセスに使用する API キー

ライセンス

MIT ライセンス

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。