MCP Server Implementation

MCP 服务实现

这是一个完整的 Flask 实现，基于 Model Context Protocol（MCP），用于通过外部工具增强大模型的能力。

概述

本仓库演示如何构建一个处理 Model Context Protocol（MCP）的服务。MCP 是一种通过直接在模型的文本输出中调用工具来扩展大模型能力的方法。与函数调用不同，MCP 会将工具定义直接放入上下文窗口，并解析模型的自然语言响应，以识别工具调用。

功能

• 🔧 完整的 MCP 实现：完整支持解析、执行和响应处理
• 🌤️ 示例工具：包含天气和计算器工具，并支持参数验证
• 🔄 对话流程：在多轮交互中保留上下文
• 🧩 基于正则表达式的解析：灵活解析工具调用文本
• 🚀 Flask API：用于聊天集成的 REST API 端点

项目结构

mcp_server/
├── app.py                  # Main Flask application
├── mcp_handler.py          # MCP parsing and execution
├── mcp_example.py          # Standalone MCP example
├── requirements.txt        # Dependencies
├── tools/                  # Tool implementations
│   ├── __init__.py
│   ├── weather.py          # Weather API tool
│   └── calculator.py       # Calculator tool
└── README.md               # This file

安装

1. 克隆仓库：

   git clone https://github.com/yourusername/mcp-server.git
   cd mcp-server
   

2. 创建虚拟环境：

   python -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate
   

3. 安装依赖：

   pip install -r requirements.txt
   

4. 设置环境变量：

   # Create a .env file with:
   LLM_API_KEY=your_llm_api_key_here
   WEATHER_API_KEY=your_weather_api_key_here
   FLASK_APP=app.py
   FLASK_ENV=development
   

使用方法

运行服务

启动 Flask 开发服务：

flask run

用于生产环境：

gunicorn app:app

API 端点

• POST /chat：使用 MCP 处理聊天消息

  curl -X POST http://localhost:5000/chat \
    -H "Content-Type: application/json" \
    -d '{
      "messages": [
        {
          "role": "user",
          "content": "What's the weather like in Boston?"
        }
      ]
    }'
  

独立示例

运行示例脚本，查看 MCP 的运行效果：

python mcp_example.py

工作原理

1. 工具注册：注册工具及其参数和执行逻辑
2. 注入工具定义：将 XML 格式的工具描述添加到提示词中
3. 处理大模型响应：使用正则表达式模式识别大模型文本输出中的工具调用
4. 工具执行：解析参数并传递给相应的工具处理程序
5. 注入结果：将工具执行结果插入响应中

MCP 与函数调用的比较

特性	MCP	函数调用
定义位置	提示词文本中	API 参数中
调用格式	自然语言	结构化 JSON
实现方式	文本解析	API 集成
可见性	在响应中可见	可能不可见
平台支持	任何基于文本的大模型	需要 API 支持

示例对话

用户：波士顿的天气怎么样？

大模型：

I'll check the weather for you.

get_weather(location="Boston, MA", unit="fahrenheit")

处理后：

I'll check the weather for you.

get_weather(location="Boston, MA", unit="fahrenheit")

Result from get_weather:
{
  "location": "Boston, MA",
  "temperature": 72,
  "unit": "fahrenheit",
  "conditions": "Partly Cloudy",
  "humidity": 68,
  "wind_speed": 5.8
}

添加自定义工具

1. 创建一个继承自 Tool 的新类
2. 定义参数和执行逻辑
3. 向 MCP 处理程序注册该工具

示例：

class MyTool(Tool):
    def __init__(self):
        parameters = [
            {
                "name": "param1",
                "type": "string",
                "description": "Description of param1",
                "required": True
            }
        ]
        
        super().__init__(
            name="my_tool",
            description="Description of my tool",
            parameters=parameters
        )
    
    def execute(self, param1):
        # Tool logic here
        return {"result": "Processed " + param1}

MCP 配置和调用流程

1. 工具注册：

   • 向处理程序注册 MCP 工具
   • 每个工具提供名称、描述和参数定义

2. 注入工具定义：

   • 将工具定义添加到系统消息中
   • 格式遵循 MCP 的 XML 结构

3. 处理大模型响应：

   • 大模型生成的响应可能包含工具调用
   • 通过模式匹配识别文本中的工具调用
   • 解析工具参数并传递给工具执行方法

4. 工具执行：

   • 使用提供的参数执行工具
   • 将结果注入对话

5. 对话管理：

   • 将包含工具结果的处理后响应添加到对话历史中
   • 后续的大模型请求会将此历史记录作为上下文

示例对话

以下是对话可能呈现的示例：

用户：波士顿的天气怎么样？

系统：向 LLM 发送包含 MCP 工具定义的提示词

LLM 响应：

I'll check the weather for you.

get_weather(location="Boston, MA", unit="fahrenheit")

MCP 处理程序：解析响应，找到工具调用并执行天气工具

工具执行结果：

Result from get_weather:
{
  "location": "Boston, MA",
  "temperature": 72,
  "unit": "fahrenheit",
  "conditions": "Partly Cloudy",
  "humidity": 68,
  "wind_speed": 5.8
}

处理后的响应（发送给用户）：

I'll check the weather for you.

get_weather(location="Boston, MA", unit="fahrenheit")

Result from get_weather:
{
  "location": "Boston, MA",
  "temperature": 72,
  "unit": "fahrenheit",
  "conditions": "Partly Cloudy",
  "humidity": 68,
  "wind_speed": 5.8
}

用户：你能计算 144 的平方根吗？

LLM 响应：

I can calculate that for you.

calculator(expression="sqrt(144)")

MCP 处理程序：解析响应并执行计算器工具

工具执行结果：

Result from calculator:
{
  "expression": "sqrt(144)",
  "result": 12.0
}

处理后的响应（发送给用户）：

I can calculate that for you.

calculator(expression="sqrt(144)")

Result from calculator:
{
  "expression": "sqrt(144)",
  "result": 12.0
}

The square root of 144 is 12.

这展示了 MCP 工具使用的完整流程，从 LLM 基于文本的调用，到执行和响应处理。

许可证

MIT

贡献

欢迎贡献！请随时提交 Pull Request。