mcp-projects

mcp-projects

MCP（Model Context Protocol）的开源项目仓库。

安装和运行步骤：

1. 克隆此仓库
2. 安装所需依赖

   pip install mcp fastapi uvicorn fastapi-mcp llama-index llama-index-embeddings-huggingface llama-index-llms-langchain langchain-mcp-adapters mcp-use
   

3. 在根目录中创建一个 .env 文件，并填写以下凭据：

   API_KEY=<IBM_cloud_API_Key>
   PROJECT_ID=<Watsonx_Project_id>
   IBM_CLOUD_URL=<IBM cloud url>
   
   MODEL_ID=<your watsonx.ai LLM id>
   
   TAVILY_API_KEY=<your Tavily api key for web search>
   
   或者，使用你自己的 LLM 提供商——它与这些项目无关（不过仍需进行少量修改）
   

4. 尝试不同的项目和文件
   • 确保先运行 MCP 服务，然后再
   • 运行客户端

什么是 Model Context Protocol（MCP）？

从本质上说，MCP 是一种标准化方式，让应用能够为 AI 模型提供有关其环境、用户偏好和对话历史的更丰富上下文。可以把它看作一种为 AI 系统提供记忆和上下文的智能结构化方式。

MCP 解决的问题

当前的 AI 系统“工作记忆”有限——它们一次只能看到一定数量的对话历史（即“上下文窗口”）。想象一下，试着与一个只记得最近几轮对话的人交谈：

• 你：“还记得我们上周讨论的那个优化供应链的项目吗？”
• 没有良好上下文的 AI：“我不记得那次具体的讨论。你能再告诉我一些细节吗？”

这一限制迫使用户不断重复说明，导致令人沮丧的交互。MCP 旨在通过创建一种结构化的方法来维护和访问上下文，解决这一问题。

一些类比

1. GPS 导航

传统的 AI 上下文管理就像每次只告诉某人一个转弯方向，却不向其展示完整地图。一旦他们忘记某个步骤，整个行程就会出问题。

MCP 就像 GPS 导航系统，它：

• 知道你的目的地
• 记得你偏好的路线
• 根据实时状况进行调整
• 始终清楚你在行程中的确切位置

阅读这篇 Medium 文章，全面了解 MCP：理解 Model Context Protocol（MCP）：通俗指南

欢迎提交 Pull Request，为此项目做出贡献 ✨