fastmcpserver_mcp_client_chatbot

[This is a Chinese README. English translation is not available yet.] # 简化MCP客户端 这个项目提供了一个简化的MCP（Model Context Protocol）客户端实现，专注于核心功能，方便其他项目集成。 ## 核心理念 正如你所说，一个MCP客户端最核心的就是两个方法： - `list_tools()` - 获取服务器提供的工具列表及其功能描述 - `call_tool()` - 调用指定工具并获取结果 剩下的就是用户根据自己的需求来使用这些工具。 ## 项目结构 ``` ├── simple_mcp_client.py # 核心客户端类 ├── fastmcp_server_streamhttp.py # 示例MCP服务器 ├── fastmcp_client_streamhttp_chatbot.py # 完整聊天机器人示例 └── requirements.txt # 依赖包 ``` ## 快速开始 ### 1. 安装依赖 ```bash pip install -r requirements.txt ``` ### 2. 进入环境mcp_env, Python版本3.10.18，启动MCP服务器 ```bash python fastmcp_server_streamhttp.py ``` 服务器将在 `http://127.0.0.1:8083/my-custom-path` 启动 ### 3. 使用简化客户端 ```python from simple_mcp_client import SimpleMCPClient import asyncio async def main(): # 创建客户端 client = SimpleMCPClient("http://127.0.0.1:8083/my-custom-path") # 获取工具列表 tools = await client.list_tools() print("可用工具:", [tool['name'] for tool in tools]) # 调用工具 result = await client.call_tool("get_current_time", {}) print("当前时间:", result['result']) # 计算BMI result = await client.call_tool("calculate_bmi", { "weight_kg": 70, "height_m": 1.75 }) print("BMI:", result['result']) asyncio.run(main()) ``` ## API 文档 ### SimpleMCPClient #### `__init__(server_url: str)` 初始化客户端 - `server_url`: MCP服务器的URL地址 #### `async list_tools() -> List[Dict[str, Any]]` 获取服务器提供的所有工具列表 返回格式： ```python [ { "name": "tool_name", "description": "工具描述", "parameters": {...} # JSON Schema格式的参数定义 } ] ``` #### `async call_tool(tool_name: str, arguments: Dict[str, Any]) -> Dict[str, Any]` 调用指定工具 参数： - `tool_name`: 工具名称 - `arguments`: 工具参数字典 返回格式： ```python { "success": True/False, "result": "工具返回结果", "error": "错误信息（如果有）" } ``` #### `async get_openai_tools_format() -> List[Dict[str, Any]]` 获取OpenAI格式的工具定义，用于与LLM集成 ## 集成示例 ### 基础集成 ```python from simple_mcp_client import SimpleMCPClient class MyApp: def __init__(self): self.mcp = SimpleMCPClient("http://127.0.0.1:8083/my-custom-path") async def init(self): self.tools = await self.mcp.list_tools() async def use_tool(self, name, params): return await self.mcp.call_tool(name, params) ``` ### 与LLM集成 ```python from openai import OpenAI from simple_mcp_client import SimpleMCPClient class LLMWithTools: def __init__(self): self.llm = OpenAI() self.mcp = SimpleMCPClient("http://127.0.0.1:8083/my-custom-path") async def chat(self, message): # 获取工具定义 tools = await self.mcp.get_openai_tools_format() # 调用LLM response = self.llm.chat.completions.create( model="gpt-3.5-turbo", messages=[{"role": "user", "content": message}], tools=tools ) # 处理工具调用 if response.choices[0].message.tool_calls: for tool_call in response.choices[0].message.tool_calls: result = await self.mcp.call_tool( tool_call.function.name, json.loads(tool_call.function.arguments) ) # 处理结果... ``` ## 运行示例 ### 1. 运行基础示例 ```bash python simple_mcp_client.py ``` ### 2. 运行完整聊天机器人 ```bash python fastmcp_client_streamhttp_chatbot.py http://127.0.0.1:8083/my-custom-path ``` ## 服务器提供的工具 当前示例服务器提供以下工具： 1. **get_current_time** - 获取当前时间 2. **calculate_bmi** - 计算BMI指数 - 参数：weight_kg (float), height_m (float) 3. **get_weather** - 获取天气信息 - 参数：city (str), date (str) ## 扩展使用 这个简化的客户端设计为通用组件，你可以： 1. **集成到现有项目** - 只需要导入 `SimpleMCPClient` 类 2. **自定义工具处理** - 根据 `list_tools()` 的结果实现自己的工具调用逻辑 3. **与任何LLM集成** - 使用 `get_openai_tools_format()` 获取标准格式的工具定义 ```python available_tools = [ { "type": "function", "function": { "name": tool.name, "description": tool.description, "input_schema": tool.inputSchema } } for tool in tool_list_response] response = self.llm.chat.completions.create( model=self.model, messages=messages, tools=available_tools ) ``` 4. **构建专业应用** - 基于这两个核心方法构建复杂的应用逻辑 ## 设计原则 - **简单性** - 只提供最核心的功能 - **通用性** - 不绑定特定的使用场景 - **可扩展性** - 易于在其他项目中集成和扩展 - **标准兼容** - 支持OpenAI工具格式等标准 这样的设计让你可以专注于业务逻辑，而不用关心MCP协议的底层细节。