mcpField
M
Model Context Protocal (MCP) Implementation

Model Context Protocal (MCP) Implementation

本地服务
github.com/jraa1995开发工具190 周前更新
代码仓库

关于 Model Context Protocal (MCP) Implementation

这是 ClimateGPT Team 1 开发中的 Python 框架，用于配置数据工作流，包含上下文记忆、数据集加载、动态查询路由和气候分析模型。

主要功能

  1. 01执行上下文记忆
  2. 02数据集加载
  3. 03动态查询路由
  4. 04可配置的工作流步骤
  5. 05气候情景模型

适用场景

  1. 01配置数据集与工作流步骤
  2. 02运行温度趋势分析
  3. 03查看工作流执行日志

MCP 相关

仓库介绍了名为 MCP 的框架，但未说明其与 Model Context Protocol 的关系。

#mcp#data-exchange#communication

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

模型上下文协议（MCP）实现

此仓库包含 ClimateGPT Team 1 正在开发的 模型上下文协议（MCP） 框架。

📂 项目结构

/mcp-framework ├── modules/ # MCP 核心组件 │ ├── context_manager.py # 存储执行上下文记忆 │ ├── data_loader.py # 处理数据集加载 │ ├── query_manager.py # 动态路由查询 │ ├── pipeline_manager.py # 执行 MCP 步骤 ├── models/ # 用于检查 MCP 框架的 EDA 测试 / 初始模型 │ ├── scenario_projection.py # 温度趋势分析 │ ├── temperature_trends.py # 气候情景预测 │ ├── Model3.py # 模型 3 ├── config/ # 配置设置 │ ├── config.yaml # 定义数据集路径和管道步骤 ├── logs/ # 执行日志 │ ├── mcp_execution.log ├── tests/ # 用于验证 MCP 的单元测试 ├── main.py # MCP 执行入口 ├── requirements.txt # Python 依赖项 ├── README.md # 项目文档

如何运行 MCP 框架

  1. 克隆仓库（如果尚未克隆）：

    git clone https://github.com/ newsconsole/GMU_DAEN_2025_01_A.git

  2. 切换到 ClimateGPT Team 1 分支：

    git checkout ClimateGPT_Team1

  3. 确保设置好 venv（虚拟环境）

    1. python -m venv venv
2. venv\Scripts\Activate

  4. 安装依赖项（requirements.txt）：

    pip install -r requirements.txt

  5. 运行 MCP 管道

    python main.py
配置与执行
  • MCP 管道由 config/config.yaml 动态控制，该文件定义数据集和管道步骤
  • 日志存储在 logs/mcp_execution.log 中，用于调试和跟踪执行结果
近期更新
  • 实现了采用模块化设计的初始 MCP 框架
  • 添加了动态查询路由和上下文记忆

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。