Skip to content

Latest commit

 

History

History
130 lines (90 loc) · 4.13 KB

README.md

File metadata and controls

130 lines (90 loc) · 4.13 KB

Model Context Protocol (MCP) Implementacja w Pythonie

To repozytorium zawiera implementację Model Context Protocol (MCP) w Pythonie, pokazującą, jak stworzyć zarówno serwer, jak i klienta komunikujących się za pomocą standardu MCP.

Przegląd

Implementacja MCP składa się z dwóch głównych komponentów:

  1. MCP Server (server.py) – Serwer udostępniający:

    • Narzędzia: Funkcje, które można wywoływać zdalnie
    • Zasoby: Dane, które można pobierać
    • Prompty: Szablony do generowania promptów dla modeli językowych

  2. MCP Client (client.py) – Aplikacja kliencka łącząca się z serwerem i korzystająca z jego funkcji

Funkcje

Ta implementacja demonstruje kilka kluczowych funkcji MCP:

Narzędzia

  • completion – Generuje uzupełnienia tekstu z modeli AI (symulowane)
  • add – Prosty kalkulator dodający dwie liczby

Zasoby

  • models:// – Zwraca informacje o dostępnych modelach AI
  • greeting://{name} – Zwraca spersonalizowane powitanie dla podanego imienia

Prompty

  • review_code – Generuje prompt do przeglądu kodu

Instalacja

Aby korzystać z tej implementacji MCP, zainstaluj wymagane pakiety:

pip install mcp-server mcp-client

Uruchamianie Serwera i Klienta

Uruchamianie Serwera

Uruchom serwer w jednym oknie terminala:

python server.py

Serwer można też uruchomić w trybie deweloperskim za pomocą MCP CLI:

mcp dev server.py

Lub zainstalować w Claude Desktop (jeśli dostępne):

mcp install server.py

Uruchamianie Klienta

Uruchom klienta w innym oknie terminala:

python client.py

To połączy się z serwerem i pokaże wszystkie dostępne funkcje.

Użycie Klienta

Klient (client.py) demonstruje wszystkie możliwości MCP:

python client.py

To połączy się z serwerem i przetestuje wszystkie funkcje, w tym narzędzia, zasoby i prompty. Wynik pokaże:

  1. Wynik działania kalkulatora (5 + 7 = 12)
  2. Odpowiedź narzędzia completion na pytanie "What is the meaning of life?"
  3. Listę dostępnych modeli AI
  4. Spersonalizowane powitanie dla "MCP Explorer"
  5. Szablon promptu do przeglądu kodu

Szczegóły Implementacji

Serwer jest zaimplementowany przy użyciu API FastMCP, które oferuje wysokopoziomowe abstrakcje do definiowania usług MCP. Oto uproszczony przykład definiowania narzędzi:

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers together
    
    Args:
        a: First number
        b: Second number
    
    Returns:
        The sum of the two numbers
    """
    logger.info(f"Adding {a} and {b}")
    return a + b

Klient korzysta z biblioteki MCP client, aby połączyć się i wywołać serwer:

async with stdio_client(server_params) as (reader, writer):
    async with ClientSession(reader, writer) as session:
        await session.initialize()
        result = await session.call_tool("add", arguments={"a": 5, "b": 7})

Dowiedz się więcej

Więcej informacji o MCP znajdziesz na: https://modelcontextprotocol.io/

Zastrzeżenie:
Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Mimo że dokładamy starań, aby tłumaczenie było jak najbardziej precyzyjne, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym należy traktować jako źródło wiążące. W przypadku informacji o kluczowym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.