mcpField
M
MCP Python Server — API Wrapper

MCP Python Server — API Wrapper

本地服务
github.com/cdryampi开发工具077 周前更新

关于 MCP Python Server — API Wrapper

这是一个 Python MCP 服务示例,将查询外部 HTTP API 的功能封装为工具,并提供连接简历后端的示例。适用于支持 MCP 的 Claude 或 ChatGPT Desktop 客户端。

主要功能

  1. 01将 API 查询封装为 MCP 工具
  2. 02向外部 API 发起 HTTP 请求
  3. 03通过 .env 配置可选凭据和 URL
  4. 04使用 MCP CLI 运行

适用场景

  1. 01从 Claude Desktop 调用外部 API
  2. 02通过 MCP 工具查询简历后端
  3. 03使用环境变量配置 API 访问

MCP 相关

该服务将外部 API 查询作为 MCP 工具提供,可配置给兼容的 Claude 或 ChatGPT Desktop 客户端使用。

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

MCP Python Server — API 包装器

此项目会创建一个 Python MCP 服务,提供一个用于查询外部 API 的工具。兼容支持 Model Context Protocol(MCP)的 Claude Desktop 或 ChatGPT Desktop。

✨ 特性

  • 通过 MCP 提供一个工具
  • 通过 HTTP 查询外部 API
  • 通过 claude.json 直接集成 Claude/Desktop

🚀 要求

  • Python 3.9+
  • mcp[cli](可通过 pip 或 uv 安装)
  • Claude 或 ChatGPT Desktop(支持 MCP)

📁 项目结构

.
├── servidores/profile.py          # Servidor MCP con herramientas para interactuar con mi backend del curriculum.
├── server.py                     # Servidor MCP con herramienta "consultar_api".
├── .env                          # Variables opcionales para auth/API.
├── claude.json                   # Config. MCP para integrarlo directamente.
└── README.md                     # Este documento.

⚙️ 安装

使用 pip
pip install "mcp[cli]"
使用 uv(推荐)
uv init mcp-api-server
cd mcp-api-server
uv add "mcp[cli]"
MCP 安装
mcp install mi_script.py
使用 .env 安装
mcp install mi_script.py -f .env
安装依赖
pip install -r requirements.txt
环境变量

在项目根目录创建 .env 文件,以定义可选的环境变量:

# .env
API_KEY=mi_api_key
API_URL=https://miapi.com/consulta

👷 快速入门(Quickstart)

创建服务器 server.py
from mcp.server.fastmcp import FastMCP
import httpx

mcp = FastMCP("API Wrapper")

@mcp.tool(description="Consulta una API externa")
async def consultar_api(param: str) -> str:
    """Consulta una API externa con un parámetro y devuelve la respuesta."""
    async with httpx.AsyncClient() as client:
        r = await client.get(f"https://miapi.com/consulta?param={param}")
        return r.text
在开发模式下本地运行
mcp dev server.py
在生产模式下运行
mcp run server.py

或使用 uv:

uv run --with mcp[cli] mcp run server.py

🚀 与 Claude/Desktop 集成

在 Claude/Desktop 的配置文件夹中找到 claude.json:

  • Windows:%APPDATA%\Claude\claude.json
  • Linux/macOS:~/.claude/claude.json

示例:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/codigo/backend-curso-inkor/proyectos_memes"
      ]
    },
    "Demo": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "mcp",
        "run",
        "C:\\codigo\\backend-curso-inkor\\MCP\\server.py"
      ]
    }
  }
}

🤖 在 Claude/Desktop 中使用

你可以向模型提出请求:

使用 consultar_api 工具,并将参数设为 "ping"

模型会使用你的 MCP 服务发起实时 HTTP 请求。


🎁 额外内容:扩展工具

@mcp.tool()
async def traducir(texto: str, lang: str) -> str:
    return f"Traducido: {texto} → {lang}"

🔍 资源


✅ 用爱与 httpx 制作 🚀

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。