mcpField
M
Model Context Protocol (MCP)

Model Context Protocol (MCP)

本地服务
github.com/drkhan107AI 与智能体081 周前更新

关于 Model Context Protocol (MCP)

这是一个将基于 SSE 的 MCP 服务端和客户端与 Google Gemini 集成的演示项目,也提供 FastAPI 后端和 Streamlit 界面用于连接服务端。

主要功能

  1. 01基于 SSE 的 MCP 服务端
  2. 02可选的 SSE 客户端
  3. 03Gemini 集成
  4. 04FastAPI 后端与 Streamlit 界面

适用场景

  1. 01体验 Gemini 与 MCP 服务端和客户端的配合
  2. 02通过浏览器界面连接 MCP 服务端

MCP 相关

项目通过 SSE 运行 MCP 服务端,并提供可用服务端 URL 连接的可选 SSE 客户端。

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。

详细介绍

Model Context Protocol (MCP)

与 Google 的 Gemini 集成的 MCP 实用演示。


🚀 快速开始

1. 克隆仓库
git clone https://github.com/drkhan107/mcp_gemini.git
cd your-repo-name
2. 设置环境变量

在根目录中创建一个 .env 文件,并添加你的 Google API 密钥:

GOOGLE_API_KEY="your_api_key_here"

3. 📦 安装依赖项

从 requirements.txt 安装所有必需的软件包:

pip install -r requirements.txt
4. 🖥️ 运行 MCP 服务

启动 MCP 服务:

python sse_server.py

✅ 这将在配置的端口启动 MCP 服务(默认为 http://localhost:8080/sse)。

5. 🧠 启动 MCP 客户端(可选)

服务运行后,使用服务 URL 启动 SSE 客户端:


python ssc_client.py http://localhost:8080/sse
6. 🧠 启动 FastAPI 服务(用于使用 GUI)

运行以下命令(如需更改端口等,请编辑 fastapp.py 文件)


python fastapp.py
7. 启动 Streamlit 应用

运行以下命令


streamlit run app.py 

这将在 8501 端口启动 Streamlit 应用

8. 浏览器

打开浏览器(localhost:8501)后,点击 connect to MCP server。

替代文本

✅ 完成! 现在,你已经拥有一个可运行的、使用 Gemini 的 Model Context Protocol 演示。

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。