MCP Knowledge Base Assistant

MCP 知识库助手

这是一个 Model Context Protocol（MCP）的演示项目，将由 OpenAI 驱动的客户端连接到知识库服务。该项目展示了如何构建一个简单而强大的 AI 助手，通过 MCP 访问知识库，回答有关公司政策的问题。

📋 概述

该项目演示了：

1. 如何构建一个将知识库作为工具提供的 MCP 服务
2. 如何创建一个连接到服务的 MCP 客户端
3. 如何集成 OpenAI 的 API，创建自然语言界面
4. 如何使用 Docker 将服务组件容器化

用户可以用自然语言询问公司政策相关问题，AI 会从知识库中检索相关信息并提供准确答案。

🏗️ 架构

该项目采用 MCP 客户端-主机-服务架构：

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│                 │     │                 │     │                 │
│  OpenAI Model   │◄────┤  MCP Client     │◄────┤  MCP Server     │
│  (GPT-4o)       │     │  (client.py)    │     │  (server.py)    │
│                 │     │                 │     │                 │
└─────────────────┘     └─────────────────┘     └─────────────────┘
                                                        │
                                                        ▼
                                               ┌─────────────────┐
                                               │                 │
                                               │  Knowledge Base │
                                               │  (kb.json)      │
                                               │                 │
                                               └─────────────────┘

• MCP 服务：将知识库作为可查询的工具提供
• MCP 客户端：连接到服务并集成 OpenAI 的 API
• OpenAI 模型：处理自然语言查询并生成响应
• 知识库：包含公司政策问答对的 JSON 文件

🚀 入门指南

前提条件

• Python 3.11 或更高版本
• Docker（可选，用于容器化服务）
• OpenAI API 密钥

安装

1. 克隆代码库：

   git clone <repository-url>
   cd MCP-Get-Started
   

2. 创建虚拟环境并安装依赖项：

   python -m venv venv
   
   # On Windows
   venv\Scripts\activate
   
   # On macOS/Linux
   source venv/bin/activate
   
   pip install -r requirements.txt
   

3. 在项目根目录中创建 .env 文件，并填入你的 OpenAI API 密钥：

   OPENAI_API_KEY=your_openai_api_key_here
   

运行服务

选项 1：直接使用 Python 运行

python server.py

选项 2：使用 Docker 运行

# Build the Docker image
docker build -t mcp-server .

# Run the container
docker run -p 8050:8050 mcp-server

运行客户端

服务运行后，打开一个新终端并运行：

python client.py

📝 用法

客户端会连接到服务，并询问一个有关公司平等机会政策的示例问题。你可以修改 client.py 中的查询，询问其他公司政策相关问题。

输出示例：

Connected to server with tools:
  - get_knowledge_base: Retrieve the entire knowledge base as a formatted string.

Query: What is the company's equal opportunity policy?

Response: The company's equal opportunity policy is as follows: The company is an equal opportunity employer and prohibits discrimination based on race, gender, age, religion, disability, or any other protected characteristic.

🔧 项目结构

• server.py：提供知识库的 MCP 服务实现
• client.py：连接到服务并集成 OpenAI 的 MCP 客户端
• data/kb.json：包含公司政策问答对的知识库
• Dockerfile：用于将服务容器化的配置
• requirements.txt：Python 依赖项

🧩 工作原理

MCP 服务（server.py）

服务提供一个名为 get_knowledge_base 的工具，用于从知识库文件（data/kb.json）中检索信息。它使用 SSE（服务器发送事件）传输方式在端口 8050 上运行。

MCP 客户端（client.py）

客户端：

1. 使用 SSE 传输方式连接到 MCP 服务
2. 获取可用工具列表
3. 接收用户的自然语言查询
4. 将查询与可用工具一同发送给 OpenAI
5. 如果 OpenAI 决定使用工具，客户端就会执行工具调用
6. 将最终响应返回给用户

知识库（data/kb.json）

知识库是一个简单的 JSON 文件，包含有关公司政策的问答对。可根据需要添加更多政策或信息进行扩展。

🔄 生命周期管理

客户端使用 Python 的异步上下文管理器实现了完善的生命周期管理：

async with MCPOpenAIClient() as client:
    await client.connect_to_server()
    response = await client.process_query("What is the policy?")
# Resources are automatically cleaned up when exiting the context

这可以确保所有资源都得到正确初始化和清理，符合 MCP 最佳实践。

🛠️ 自定义

添加更多知识

要扩展知识库，只需向 data/kb.json 文件中添加更多问答对。

添加更多工具

你可以在 server.py 中使用 @mcp.tool() 装饰器定义其他函数，为服务添加更多工具。

更改模型

要使用其他 OpenAI 模型，请修改 client.py 中 MCPOpenAIClient 类的 model 参数。

📚 进一步了解 MCP

模型上下文协议（MCP）是大模型与外部工具和服务交互的标准化方式。它提供：

• 可复用性：只需构建一次服务，即可在任何兼容 MCP 的客户端中使用
• 可组合性：组合多个服务，打造复杂功能
• 生态发展：受益于他人创建的服务

如需了解更多信息，请访问 MCP 文档。

📄 许可证

MIT 许可证