mcpx-py

mcpx-py

mcp.run のツールを使用して LLM とやり取りするための Python ライブラリです

機能

AI プロバイダーのサポート

mcpx-py は、PydanticAI がサポートするすべてのモデルに対応しています。

依存関係

• uv
• npm
• ollama（任意）

mcp.run のセットアップ

次のコマンドを実行して、mcp.run のセッション ID を取得します。

npx --yes -p @dylibso/mcpx gen-session --write

これにより新しいセッションが作成され、mcpx-py で使用できる設定ファイルにセッション ID が書き込まれます。

セッション ID を環境変数に保存する必要がある場合は、--write フラグを付けずに gen-session を実行します。

npx --yes -p @dylibso/mcpx gen-session

次のような出力が表示されます。

Login successful!
Session: kabA7w6qH58H7kKOQ5su4v3bX_CeFn4k.Y4l/s/9dQwkjv9r8t/xZFjsn2fkLzf+tkve89P1vKhQ

次に、MPC_RUN_SESSION_ID 環境変数を設定します。

$ export MCP_RUN_SESSION_ID=kabA7w6qH58H7kKOQ5su4v3bX_CeFn4k.Y4l/s/9dQwkjv9r8t/xZFjsn2fkLzf+tkve89P1vKhQ

Python の使用方法

インストール

uv を使用する場合：

uv add mcpx-py

または pip を使用する場合：

pip install mcpx-py

コード例

from mcpx_py import Chat

llm = Chat("claude-3-5-sonnet-latest")

# Or OpenAI
# llm = Chat("gpt-4o")

# Or Ollama
# llm = Chat("ollama:qwen2.5")

# Or Gemini
# llm = Chat("gemini-2.0-flash")

response = llm.send_message_sync(
    "summarize the contents of example.com"
)
print(response.data)

result_type を設定すると、構造化出力を取得することもできます。

from mcpx_py import Chat, BaseModel, Field
from typing import List

class Summary(BaseModel):
    """
    A summary of some longer text
    """
    source: str = Field("The source of the original_text")
    original_text: str = Field("The original text to be summarized")
    items: List[str] = Field("A list of summary points")

llm = Chat("claude-3-5-sonnet-latest", result_type=Summary)
response = llm.send_message_sync(
    "summarize the contents of example.com"
)
print(response.data)

その他の例は、examples/ ディレクトリにあります。

コマンドラインの使用方法

インストール

uv tool install mcpx-py

Git から：

uv tool install git+https://github.com/dylibso/mcpx-py

または、リポジトリのルートから：

uv tool install .

uvx

mcpx-client は、uvx を使用してインストールせずに実行することもできます。

uvx --from mcpx-py mcpx-client

または Git から：

uvx --from git+https://github.com/dylibso/mcpx-py mcpx-client

実行

使用方法／ヘルプを表示する

mcpx-client --help

LLM とチャットする

mcpx-client chat

ツールを一覧表示する

mcpx-client list

ツールを呼び出す

mcpx-client tool eval-js '{"code": "2+2"}'

LLM の設定

プロバイダーのセットアップ

Claude

1. https://console.anthropic.com で Anthropic API アカウントを登録します
2. コンソールから API キーを取得します
3. 環境変数を設定します：ANTHROPIC_API_KEY=your_key_here

OpenAI

1. https://platform.openai.com で OpenAI アカウントを作成します
2. アカウント設定で API キーを生成します
3. 環境変数を設定します：OPENAI_API_KEY=your_key_here

Gemini

1. https://aistudio.google.com で Gemini アカウントを作成します
2. アカウント設定で API キーを生成します
3. 環境変数を設定します：GEMINI_API_KEY=your_key_here

Ollama

1. https://ollama.ai から Ollama をインストールします
2. 使用するモデルをプルします：ollama pull llama3.2
3. API キーは不要です。ローカルで実行されます

Llamafile

1. https://github.com/Mozilla-Ocho/llamafile/releases から Llamafile モデルをダウンロードします
2. ファイルを実行可能にします：chmod +x your-model.llamafile
3. JSON API モードで実行します：./your-model.llamafile --json-api --host 127.0.0.1 --port 8080
4. http://localhost:8080 を指定する OpenAI プロバイダーを使用します