mcpField
A
Add API key to .env file

Add API key to .env file

本地服务
github.com/heureux831开发工具181 周前更新

关于 Add API key to .env file

这是一个用 Python 实现的最小 MCP 示例,面向希望了解 MCP 系统运行方式的开发者。项目包含客户端和任务列表服务端,并通过配置文件指定 MCP 服务。

主要功能

  1. 01Python 客户端与服务端示例
  2. 02通过 JSON 配置 MCP 服务
  3. 03使用 API 密钥连接 LLM 服务
  4. 04任务列表服务端

适用场景

  1. 01学习 MCP 客户端与服务端的基本运行
  2. 02配置客户端连接任务列表 MCP 服务

MCP 相关

示例包含 MCP 客户端和任务列表服务端,可通过 server.json 指定服务端。

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。

README 原文English

来自项目 README

README 暂无中文译文,以下为英文原文;中文介绍见上方。

The simplest mcp project

本项目实现了最小的mcp项目,方便理解整个MCP系统的运行,

项目使用了deepseek的api_key,请在.env文件中添加你的api_key

如果使用其他LLM服务,请在env文件中添加相应的API_KEY,请选择支持MCP服务的LLM服务

文件结构

├── .env
├── .gitignore
├── client/client.py
├── client/server.json
├── server/tasklist.py
├── pyproject.toml
|── tasks.csv   
|── README.md

创建虚拟环境
uv venv

# Activate virtual environment

# On Windows:
.venv\Scripts\activate

# On Unix or MacOS:
source .venv/bin/activate
安装依赖
## 使用openai格式来访问
uv add mcp openai python-dotenv
创建.env文件
touch .env

Add API key to .env file

echo "OPENAI_API_KEY=your_api_key" >> .env
echo "OPENAI_BASE_URL="https://api.deepseek.com/v1"" >> .env
echo "OPENAI_MODEL="deepseek-chat" >> .env
编辑server.json文件来指定mcp-server
{
    "servers": [
      {
        "command": "uv",
        "args": ["run","../server/tasklist.py"],
        "env": null
      },
      {
        "command": "uv",
        "args": ["run","../server/weather.py"],
        "env": null
      },
      {
        "command": "npx",
        "args": ["-y","../server/stock.js"],
        "env": null
      }
    ]
  }
运行mcp-demo
cd client
uv run client.py server.json

然后输入用户query即可

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。