mcpField
M
MCPサーバー練習用コード

MCPサーバー練習用コード

本地服务
github.com/switch-kosuke开发工具176 周前更新
代码仓库

关于 MCPサーバー練習用コード

与一篇 Qiita 文章配套的 MCP 服务练习代码，使用 `uv` 配置 Python 环境，并说明通过 `.env` 设置 LLM API，作者以 Azure OpenAI Services 为例。

主要功能

  1. 01MCP 服务练习代码
  2. 02使用 `uv` 配置 Python 环境
  3. 03通过 `.env` 配置 LLM API

适用场景

  1. 01跟随配套 Qiita 文章学习实现
  2. 02为 MCP 练习配置 Python 环境
  3. 03为示例设置 LLM API

MCP 相关

仓库包含实现 MCP 服务的练习代码；README 引导读者阅读配套的 Qiita 文章。

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。

README 原文English

来自项目 README

README 暂无中文译文，以下为英文原文；中文介绍见上方。

MCPサーバー練習用コード

本コードは下記のQiita記事の実装コードです。
先に記事をご覧ください。

環境構築

  1. リポジトリクローン

    git clone https://github.com/switch-kosuke/practice-mcp-server.git

  2. .envファイルを作成して、使用したいLLMモデルのAPIを記載:
    筆者は、Azure OpenAI Servicesのモデルを使用しております.

    cp .env.sample .env

  3. Python開発環境は、uvを用います. インストールされていない方は以下を実行.

    参考:
    uvを使ってPython環境を効率的に管理！

    Linux/Mac
    curl -LsSf https://astral.sh/uv/install.sh | sh

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
    Windows
    powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

  4. uvを使って依存関係をインストール

    # 仮想環境を作成
uv venv

# 仮想環境を有効化（Linux/Mac）
source .venv/bin/activate

# 仮想環境を有効化（Windows）
.venv\Scripts\activate

# 依存関係をインストール
uv pip install -e .

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。