MCP-demo

# MCP 集成 这是一个 **sampleproject**，演示如何通过 langchain 或 openai-agent 框架将 OpenAI Agent 或其他具有工具调用能力的 LLM（大语言模型）连接到 [MCP server](https://github.com/modelcontextprotocol)，以增强论文搜索和聊天功能。 它包括： - 创建和运行一个 MCP 服务器 - 将 LLM（本地或远程）连接到 MCP 服务器 - 运行一个可以搜索 arXiv 论文并存储结果的互动聊天机器人 --- ## 使用方法 以下是每个文件脚本的使用示例。 --- ### `tool_function.py` 它使用 arxiv 库根据用户的查询进行搜索并提取信息。 有两个函数用于调用搜索和提取信息。 #### 运行测试工具函数 ```sh poetry run python tool_function.py ``` ### `research_server.py` 创建一个带有标准输入输出连接的本地 MCP 服务器的示例。 #### 运行测试工具函数 ```sh npx @modelcontextprotocol/inspector run research_server.py ``` ## 使用 vLLMs 本地服务 您可以使用本地 [vLLM](https://github.com/vllm-project/vllm) 运行此项目，以获得更快的推理速度。 有关 GPT-OSS-20B 的信息，请参见 [GPT-OSS 指南](https://docs.vllm.ai/projects/recipes/en/latest/OpenAI/GPT-OSS.html#installation)。 **重要：** 您选择的 LLM 必须具有 **工具调用能力**，才能与 MCP 服务器一起工作。 --- ### 启动本地 vLLM 服务器 打开新的终端，然后运行。 ```sh vllm serve openai/gpt-oss-20b ``` 然后更新 `init_agent()` 以指向您的 vLLM 端点（默认：`http://localhost:8000/v1`）。 --- ### `chatbot_mcp.py` ```sh python chatbot_mcp.py ``` 初始化一个代理并连接到 MCP 服务器。每个代理维护自己的会话。