mcpx-py

mcpx-py

一个使用 mcp.run 工具与大模型交互的 Python 库

功能特性

AI 提供商支持

mcpx-py 支持 PydanticAI 支持的所有模型

依赖项

• uv
• npm
• ollama（可选）

mcp.run 配置

你需要通过运行以下命令来获取 mcp.run 会话 ID：

npx --yes -p @dylibso/mcpx gen-session --write

这将生成一个新会话，并将会话 ID 写入一个可供 mcpx-py 使用的配置文件。

如果你需要将会话 ID 存储在环境变量中，可以在不带 --write 标志的情况下运行 gen-session：

npx --yes -p @dylibso/mcpx gen-session

它应该会输出类似以下内容：

Login successful!
Session: kabA7w6qH58H7kKOQ5su4v3bX_CeFn4k.Y4l/s/9dQwkjv9r8t/xZFjsn2fkLzf+tkve89P1vKhQ

然后设置 MPC_RUN_SESSION_ID 环境变量：

$ export MCP_RUN_SESSION_ID=kabA7w6qH58H7kKOQ5su4v3bX_CeFn4k.Y4l/s/9dQwkjv9r8t/xZFjsn2fkLzf+tkve89P1vKhQ

Python 用法

安装

使用 uv：

uv add mcpx-py

或 pip：

pip install mcpx-py

示例代码

from mcpx_py import Chat

llm = Chat("claude-3-5-sonnet-latest")

# Or OpenAI
# llm = Chat("gpt-4o")

# Or Ollama
# llm = Chat("ollama:qwen2.5")

# Or Gemini
# llm = Chat("gemini-2.0-flash")

response = llm.send_message_sync(
    "summarize the contents of example.com"
)
print(response.data)

也可以通过设置 result_type 来获取结构化输出

from mcpx_py import Chat, BaseModel, Field
from typing import List

class Summary(BaseModel):
    """
    A summary of some longer text
    """
    source: str = Field("The source of the original_text")
    original_text: str = Field("The original text to be summarized")
    items: List[str] = Field("A list of summary points")

llm = Chat("claude-3-5-sonnet-latest", result_type=Summary)
response = llm.send_message_sync(
    "summarize the contents of example.com"
)
print(response.data)

更多示例可以在 examples/ 目录中找到

命令行用法

安装

uv tool install mcpx-py

从 git 安装：

uv tool install git+https://github.com/dylibso/mcpx-py

或从仓库根目录安装：

uv tool install .

uvx

mcpx-client 也可以使用 uvx 在不安装的情况下执行：

uvx --from mcpx-py mcpx-client

或从 git 执行：

uvx --from git+https://github.com/dylibso/mcpx-py mcpx-client

运行

获取用法/帮助

mcpx-client --help

与大模型对话

mcpx-client chat

列出工具

mcpx-client list

调用工具

mcpx-client tool eval-js '{"code": "2+2"}'

大模型配置

提供商设置

Claude

1. 在 https://console.anthropic.com 注册一个 Anthropic API 账户
2. 从控制台获取你的 API key
3. 设置环境变量：ANTHROPIC_API_KEY=your_key_here

OpenAI

1. 在 https://platform.openai.com 创建一个 OpenAI 账户
2. 在你的账户设置中生成一个 API key
3. 设置环境变量：OPENAI_API_KEY=your_key_here

Gemini

1. 在 https://aistudio.google.com 创建一个 Gemini 账户
2. 在你的账户设置中生成一个 API key
3. 设置环境变量：GEMINI_API_KEY=your_key_here

Ollama

1. 从 https://ollama.ai 安装 Ollama
2. 拉取你想要的模型：ollama pull llama3.2
3. 无需 API key - 本地运行

Llamafile

1. 从 https://github.com/Mozilla-Ocho/llamafile/releases 下载一个 Llamafile 模型
2. 使文件可执行：chmod +x your-model.llamafile
3. 以 JSON API 模式运行：./your-model.llamafile --json-api --host 127.0.0.1 --port 8080
4. 使用指向 http://localhost:8080 的 OpenAI 提供商