MCP-ChatBot

MCP-ChatBot

一款功能多样的聊天机器人应用，使用 MCP（模块化能力协议）与多个服务后端交互。

概述

MCP-ChatBot 是一个容器化应用，演示如何使用模块化能力协议（MCP）实现大模型与外部服务交互。此实现包含一个天气服务后端和一个基于 Streamlit 的前端，用户可以通过自然语言查询天气信息。

功能

• 容器化架构：为 MCP 服务和客户端应用分别设置容器
• 天气服务集成：使用 WeatherAPI 获取实时天气数据
• Streamlit UI：简洁、响应式的用户界面，可用于与聊天机器人交互
• 可扩展设计：可随时添加更多 MCP 服务以扩展功能
• GPT-4o 集成：由 OpenAI 的 GPT-4o 模型驱动，实现自然语言理解

架构

应用由两个主要组件构成：

1. MCP 服务：基于 FastMCP 的服务，负责获取天气数据
2. Streamlit 客户端：用于与聊天机器人交互的 Web UI

入门指南

先决条件

• Docker 和 Docker Compose
• WeatherAPI 密钥（在 WeatherAPI 注册）
• OpenAI API 密钥（在 OpenAI 注册）

安装

1. 克隆代码仓库：

git clone https://github.com/yourusername/MCP-ChatBot.git
cd MCP-ChatBot

2. 根据示例创建 .env 文件：

cp .env.example .env

3. 编辑 .env 文件并添加 API 密钥：

PYTHONUNBUFFERED=1
OPENAI_API_KEY=your_openai_api_key_here
WEATHER_API_KEY=your_weather_api_key_here

4. 使用 Docker Compose 启动应用：

docker-compose up --build

5. 访问 Streamlit UI：http://localhost:8501

使用

应用运行后，可以通过 Streamlit 界面与聊天机器人交互：

1. 在文本输入框中输入有关天气的自然语言问题
2. 示例：
   • “纽约的天气怎么样？”
   • “东京现在有多热？”
   • “告诉我伦敦的天气情况”

扩展应用

添加新的 MCP 服务

1. 在 servers 目录中创建新的服务文件
2. 将新服务添加到 docker-compose.yml 文件中
3. 更新 client.py，将新服务添加到 Agent 配置中

在 client.py 中添加新服务的示例：

server_1 = MCPServerHTTP(url="http://mcp_server:8001/sse")
server_2 = MCPServerHTTP(url="http://new_server:8002/sse")  # New server

return Agent("openai:gpt-4o", mcp_servers=[server_1, server_2])

开发

项目结构

MCP-ChatBot/
├── .env.example             # Example environment variables
├── .gitignore               # Git ignore file
├── client.py                # Streamlit client application
├── docker-compose.yml       # Docker Compose configuration
├── Dockerfile.client        # Dockerfile for Streamlit client
├── Dockerfile.server        # Dockerfile for MCP server
├── LICENSE                  # MIT license
├── README.md                # Project documentation
└── servers/                 # MCP server implementations
    └── server.py            # Weather service implementation

技术栈

• FastMCP：用于创建 MCP 服务的框架
• Streamlit：用于构建 UI 的 Web 框架
• Pydantic-AI：用于大模型交互的 Agent 系统
• Docker：容器化平台
• OpenAI GPT-4o：用于自然语言处理的大模型

故障排除

常见问题

1. 连接失败：确保所有服务都已启动并正在运行。客户端带有重试机制；如果仍然失败，请重启应用。

2. API 密钥错误：确认已在 .env 文件中添加有效的 API 密钥。

3. Docker 网络问题：如果容器无法通信，请检查 Docker 网络配置，并确保代码中的服务名称一致。

许可证

本项目采用 MIT 许可证授权，详情请参阅 LICENSE 文件。

致谢

• 感谢 FastMCP 提供 MCP 服务实现
• 感谢 Streamlit 提供前端框架
• 感谢 WeatherAPI 提供天气数据

---

作者：Murali Anand © 2025