mcpField
M
mcd-demo

mcd-demo

本地服务
github.com/jspoelstraAI 与智能体078 周前更新
代码仓库

关于 mcd-demo

mcd-demo 是用于构建简单 MCP 服务并将其接入 LangChain Agent 的演示项目。它包含天气、数学和遥测服务，需先启动这些服务再运行 Agent。

主要功能

  1. 01天气、数学和遥测示例服务
  2. 02集成 LangChain Agent
  3. 03配置 Azure OpenAI 环境变量
  4. 04通过 Docker 运行数学服务

适用场景

  1. 01测试简单 MCP 服务的创建
  2. 02使用 MCP 服务运行 LangChain Agent
  3. 03试用容器化的数学服务

MCP 相关

项目运行天气、数学和遥测三个 MCP 服务，并将它们连接到 LangChain Agent。

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

mcd-demo

测试创建简单的 MCP 服务并与 LangChain Agent 集成

先决条件

创建虚拟环境
python3 -m venv venv
source venv/bin/activate
安装依赖项
pip install -r requirements.txt
设置环境变量

设置以下环境变量。请从部署模型的 Azure AI Foundry 中获取相应值：

export AZURE_OPENAI_API_KEY=<your_azure_openai_api_key>
export AZURE_OPENAI_ENDPOINT=<your_azure_openai_endpoint>

也可以设置以下环境变量来配置 MCP 服务：

export MCP_MATH_URI=http://<server-uri>:5001/sse

注意：也可以在项目根目录的 .env 文件中设置这些变量。

运行 Agent

启动 MCP 服务

启动 Agent 之前，必须先启动全部三个 MCP 服务。每个服务都在单独的端口上侦听。你可以在不同的终端中分别启动它们，也可以在后台运行。要在后台运行，请执行以下操作：

python weather_server.py &
python math_server.py &
python telemetry_server.py &

另外，你也可以在 Docker 容器中运行数学服务。为此，请先构建 Docker 镜像：

make build

然后运行容器：

make run-local

如果要将 Docker 镜像推送到注册表，请使用以下命令为其添加标签并推送：

make login
make push
启动 Agent
python agent.py

终止 MCP 服务

pkill -9 -f weather_server.py
pkill -9 -f math_server.py
pkill -9 -f telemetry_server.py

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。