Mcp Server Python

# MCP Server in Python

## Overview

**MCP (Model Context Protocol)** is a framework that allows you to integrate custom tools into AI-assisted development environments—such as Cursor AI. MCP servers expose functionality (like data retrieval or code analysis) so that an LLM-based IDE can call these tools on demand.

This project demonstrates an MCP server built in Python that provides two basic tools. One tool, **add**, accepts two numbers and returns their sum, while the other, **getApiKey**, retrieves the API key from the environment (via the `API_KEY` variable). Learn more about MCP in the [Model Context Protocol Introduction](https://modelcontextprotocol.io/introduction).

## Requirements

- **Python:** A modern version of Python (3.8 or higher is recommended).
- **Virtual Environment:** It is recommended to use a virtual environment for dependency management.

## Features

- **MCP Integration:** Exposes tool functionality to LLM-based IDEs.
- **Addition Tool:** Accepts two numeric parameters and returns their sum.
- **Env Var Retrieval:** Demonstrates how to load an example environment variable from the configuration file.
- **CLI Support:** Provides a command-line interface via `mcp[cli]` for easy local development and testing.
- **Standard I/O Transport:** Integrates with development environments using standard I/O for seamless communication.

## Installation

1. **Clone the Repository**

   ```bash
   git clone <repository_url>
   cd <repository_directory>
   ```

2. 设置虚拟环境

   创建并激活 Python 虚拟环境：

   python -m venv .venv
   

   在 Linux 和 macOS 上：

   source .venv/bin/activate
   

   在 Windows 上：

   .venv\Scripts\activate
   

3. 安装依赖项

   使用以下命令安装 MCP 包及其 CLI 扩展：

   pip install mcp mcp[cli]
   

在本地测试服务

要在本地运行 MCP 服务，请执行：

mcp dev mcp-server.py

启动服务后，在浏览器中打开提供的 URL。点击 Connect，然后点击 List Templates，选择一个模板并输入你的姓名，最后点击 Read Resources 以验证输出。你也可以点击 Tools，选择一个工具，输入所需的值，然后点击 Run Tool 来测试工具功能。

与 Cursor AI 集成

本项目包含一个 mcp.json 配置文件，可让 Cursor AI 自动发现并启动你的 MCP 服务。打开或创建 mcp.json 文件，并使用以下结构：

{
  "mcpServers": {
    "MCP Server": {
      "command": "/path/to/mcp-server-python/.venv/bin/python3",
      "args": ["/path/to/mcp-server-python/mcp-server.py"],
      "env": {
        "API_KEY": "abc-1234567890"
      }
    }
  }
}

• mcpServers：
  一个将服务名称映射到其配置的对象。

• MCP Server：
  这是你的服务配置对应的键。你可以自行命名。

• command：
  指定虚拟环境中 Python 可执行文件的绝对路径。例如：

  /home/john/mcp-server-python/.venv/bin/python3
  

• args：
  一个包含 MCP 服务文件绝对路径的数组。例如：

  ["/home/john/mcp-server-python/mcp-server.py"]
  

• env：（可选）
  定义 MCP 服务进程的环境变量。在此示例中，API_KEY 设置为 "abc-1234567890"。请根据你的环境调整此值。

  你可以在终端中运行 which python，以验证 Python 可执行文件的绝对路径。

可选：配置自动化脚本

通过自动更新 mcp.json 文件并填入正确的绝对路径，轻松配置本地环境。要应用本地设置，请在项目根目录运行以下命令：

chmod +x ./scripts/update_config.sh
./scripts/update_config.sh

此脚本会将 mcp.json 中的占位路径替换为 Python 和服务脚本在你计算机上的绝对路径，确保配置设置始终准确无误。

可选：Cursor 全局设置

你也可以将 mcp.json 文件移至位于 ~/.cursor 的 Cursor AI 全局配置目录，以便全局使用该配置。

在 Cursor Composer 中使用 MCP 工具

将 MCP 服务集成到 Cursor AI，并在 Cursor Composer 中启用 Agent 模式后，只需使用如下自然语言提示词：

add 3 and 5

或

what is my API key?

AI Agent 会根据上下文推断 MCP 服务提供的 add 或 getApiKey 工具，并相应地执行。

代码概览

本项目包含以下关键部分：

• MCP 服务初始化：
  使用 MCP 库实例化 MCP 服务，并通过标准 I/O 传输方式连接。

• 工具定义：

  • add：
    定义为接收两个数值输入并返回它们的和。
  • getApiKey：
    从环境变量 API_KEY 中获取 API 密钥并返回。

什么是 MCP？

Model Context Protocol（MCP） 提供了一种标准化方式，可将自定义工具集成到 AI 辅助开发环境中。借助 MCP，你可以定义执行特定任务的工具，例如获取外部数据、验证代码或强制执行编码规范；IDE 中的 AI 助手可以根据上下文自动调用这些工具。这有助于提高开发者的工作效率、确保质量一致，并简化工作流。

参考资料与来源

• Model Context Protocol：python-sdk
• 如何从零开始构建 MCP 服务和客户端
• Model Context Protocol 简介

许可证

本项目根据 MIT License 授权。