关于 Example MCP Server + Client Implementation
这是一个 MCP 服务与客户端的示例实现，演示如何通过 MCP 将后端 API 暴露给 AI 应用。项目包含 service、server、client 三个部分，其中 client 是一个基于 OpenAI 的简单聊天机器人。它适合想了解 MCP 基本结构的开发者，属于演示性质的项目。
主要功能
- 01后端服务、MCP 服务与客户端三部分
- 02MCP 服务封装示例 API
- 03内置简单的 AI 聊天机器人客户端
- 04直接使用 Node.js 运行 TypeScript
适用场景
- 01学习 MCP 服务与客户端的基本结构
- 02通过聊天机器人存取自定义信息
- 03作为构建自有 MCP 项目的参考起点
MCP 相关
该项目包含一个 MCP 服务，将示例后端 API 以标准化方式暴露给 MCP 客户端；同时包含一个示例客户端，可连接该服务。
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。
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。
工具
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
MCP 服务端和客户端示例实现
我撰写了一篇文章，并制作了一段视频，介绍 MCP 及其在我看来为何有用。
此演示项目包含一个后端服务 / API，由 MCP 服务调用，并以标准化的方式向 MCP 客户端提供功能。项目还包含一个示例 MCP 客户端（一个非常简单的 AI 聊天机器人）。
重要： 这三个部分（服务、服务端、客户端）都依赖 Node.js 无需编译步骤即可执行 TypeScript。没错，现代 Node.js 可以做到！ 请确保已安装 Node.js 23.x 或更高版本！
配置
在 client 文件夹中（与其中的 package.json 文件同级）添加一个 .env 文件，并在其中添加以下内容：
OPENAI_API_KEY=<your-open-ai-key>
在每个文件夹（service、server、client）中运行 npm install，以安装所需的依赖项。
运行服务、MCP 服务端和 MCP 客户端
对于每个部分，进入相应的文件夹（service、server 和 client），并运行 npm run dev（需使用 Node.js 23+）。请保持每个进程运行。
“client”进程是一个简单的 AI 聊天机器人，底层使用 OpenAI。该聊天机器人已“安装”自定义 MCP 服务，因此，这个 AI 聊天应用可以通过在“service”文件夹中创建的后端服务存储和检索自定义信息。
可能存在错误——这只是一个基础的演示实现 :-)
评论
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。