mcpField
H
Hello-MCP 🚀

Hello-MCP 🚀

本地服务
github.com/Cookie-HOO开发工具081 周前更新

关于 Hello-MCP 🚀

Hello-MCP 是用于了解 MCP 工作方式的入门项目,包含简单的 MCP 客户端和服务端。它提供交互式聊天客户端及基础文件列表工具。

主要功能

  1. 01通过 SSE 或 stdio 注册服务
  2. 02交互式命令行聊天
  3. 03DeepSeek API 对话
  4. 04流式响应输出
  5. 05列出指定路径的文件
  6. 06服务健康检查

适用场景

  1. 01学习 MCP 客户端与服务端基础
  2. 02尝试通过 SSE 或 stdio 注册服务
  3. 03使用 MCP 工具列出并检查文件

MCP 相关

项目同时实现 MCP 客户端和服务端。客户端可通过 SSE 或 stdio 注册服务端,服务端提供按路径列出文件的工具及健康检查。

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

Hello-MCP 🚀


中文文档 🇨🇳

MCP(Model Control Protocol)的简单客户端和服务端实现。 帮助你了解 MCP 协议是什么,以及它的工作原理。

本项目将 ✅:

  • 带你了解 MCP 协议的核心
  • 让你构建自己的 MCP 客户端和服务端
  • 提供 MCP 实现的实践体验

本项目不会 ❌:

  • 教你如何配置现有的 MCP Host
  • 实现通用的服务端功能(需要你自行探索)

功能 ✨

MCP 客户端
  • 支持注册 MCP 服务(支持 SSE 和 stdio 两种方式)
  • 交互式命令行聊天界面
  • 支持 DeepSeek API 对话(在配置文件中设置 API 密钥)
  • 流式响应输出
MCP 服务端
  • 基于 FastMCP 的简单服务端(支持 SSE 和 stdio 两种方式)
  • 提供基础的路径工具(列出指定路径中的所有文件)
  • 支持健康检查

演示

使用 List_Dir 工具获取文件并进行分析! README 配图

使用指南 📖

环境设置

建议使用 uv 进行项目管理

0. 克隆项目
git clone https://github.com/Cookie-HOO/hello-mcp.git
cd hello-mcp
1. 安装 uv

uv 官方安装文档

macOS:

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows(需要 PowerShell):

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
2. 初始化项目依赖
uv venv  # Create virtual environment
uv sync  # Install dependencies
source ./.venv/bin/activate  # macOS: activate virtual environment
.\.venv\Scripts\activate     # Windows: activate virtual environment
3. 设置 DeepSeek API 密钥

目前仅支持 DeepSeek API,可在此申请: DeepSeek API 平台

cp ./config.example.yaml ./config.yaml
# Edit to add your DeepSeek API key
4. 运行项目
# Method 1: stdio (only need to explicitly start client)
python -m hello_mcp.client2stdio --server-path ./hello_mcp/server.py

# Method 2: SSE (need to explicitly start both server and client)
python -m hello_mcp.server --transport sse  # Start server in SSE mode
python -m hello_mcp.client2sse --server-url http://127.0.0.1:8000  # Register the MCP server with client
调试 MCP 服务
uv run mcp dev hello_mcp/server.py

README 配图

许可证 📜

MIT 许可证。详情请参阅 LICENSE 文件。

👋 欢迎贡献!欢迎提交问题和参与讨论。

MCP 使用指南 🛠️

1. 如何在日常工作中使用 MCP
  1. 找到满足需求的 MCP 服务 Host
  2. 配置 MCP 服务

MCP Host 参考列表:

客户端资源提示词工具采样根目录备注
5ire❌❌✅❌❌支持工具。
Apify MCP Tester❌❌✅❌❌支持工具
BeeAI Framework❌❌✅❌❌支持 Agent 工作流中的工具。
Claude Code❌✅✅❌❌支持提示词和工具
Claude Desktop App✅✅✅❌❌支持工具、提示词和资源。
Cline✅❌✅❌❌支持工具和资源。
Continue✅✅✅❌❌支持工具、提示词和资源。
Copilot-MCP✅❌✅❌❌支持工具和资源。
Cursor❌❌✅❌❌支持工具。
2. 如何查找 MCP 工具
资源推荐度
Smithery - Model Context Protocol Registry🌟🌟🌟
https://github.com/punkpeye/awesome-mcp-servers🌟🌟🌟
https://github.com/modelcontextprotocol/servers🌟🌟🌟
所有 MCP 服务列表(42 个)| Portkey🌟🌟
https://cursor.directory/mcp🌟🌟
开源 MCP 服务 | Glama🌟🌟
https://mcp.so/🌟🌟
https://www.pulsemcp.com/servers🌟🌟
精选 MCP 服务🌟🌟

MCP 概念问答 ❓

问:MCP 解决了哪些问题?

答:MCP(模型控制协议)旨在解决:

  1. 标准化 AI 模型交互协议
  2. 提供统一的工具调用规范
  3. 简化复杂的 AI 系统集成
  4. 实现模块化且可复用的模型能力
问:MCP 的发展历史

答:MCP 的发展历程:

  1. 2023 年:由 Anthropic(Claude 的母公司)提出概念
  2. 2024 年:出现多种开源实现
  3. 2025 年:成为 AI 系统集成的标准协议
  4. 目前:广泛应用于各种 AI Agent 系统
问:MCP 的现状

答:主要应用场景:

  1. AI 助手系统
  2. 自动化工作流
  3. 多模型协作平台
  4. 企业 AI 解决方案 常见实现包括 FastMCP、PyMCP 等。

问:MCP 和 Function Call 有什么区别?

答:相似之处:

  1. 两者都能执行特定函数
  2. 两者都需要定义输入和输出 区别:
  3. MCP 是标准化协议,Function Call 是语言特性
  4. MCP 支持跨语言、跨平台调用
  5. MCP 包含完整的工具发现和注册机制
问:MCP 和 Agent 之间是什么关系?

答:要点:

  1. Agent 是使用 MCP 的实体
  2. MCP 是 Agent 与 Agent 或 Agent 与工具之间交互的协议
  3. 一个 Agent 可以注册多个 MCP 工具

项目问答 💡

问:如何解决 DeepSeek API 密钥配置问题?

答:请确保:

  1. config.yaml 中的 api_key 字段填写正确
  2. 密钥中没有多余的空格或引号
  3. 如果身份验证失败,请尝试重新生成 API 密钥
问:启动服务时提示端口已被占用?

答:解决方法:

  1. 使用 lsof -i :8000 检查占用端口的进程
  2. 终止该进程或更改服务端口
  3. 更新客户端注册 URL
问:如何扩展新的 MCP 工具?

答:步骤:

  1. 在 server.py 中添加新的工具函数
  2. 使用 @tool 装饰器注册
  3. 定义输入参数架构
  4. 测试从客户端调用
问:uv sync 命令失败?

答:可能的解决方法:

  1. 检查网络连接
  2. 删除 .venv 并重新创建,以解决依赖冲突
  3. 使用 sudo 或修复目录权限
问:如何贡献代码?

答:欢迎在 GitHub 上提交 PR:

  1. Fork 项目
  2. 创建功能分支
  3. 使用清晰的提交说明提交更改
  4. 发起 Pull Request

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。