ایجاد یک کلاینت

کلاینت‌ها برنامه‌ها یا اسکریپت‌های سفارشی هستند که به طور مستقیم با سرور MCP ارتباط برقرار می‌کنند تا منابع، ابزارها و درخواست‌ها را دریافت کنند. برخلاف استفاده از ابزار بازرس که یک رابط گرافیکی برای تعامل با سرور فراهم می‌کند، نوشتن کلاینت خودتان امکان تعامل برنامه‌ریزی‌شده و خودکار را فراهم می‌کند. این قابلیت به توسعه‌دهندگان اجازه می‌دهد تا توانایی‌های MCP را در جریان کاری خود ادغام کنند، وظایف را خودکار کنند و راه‌حل‌های سفارشی متناسب با نیازهای خاص ایجاد کنند.

مرور کلی

این درس مفهوم کلاینت‌ها در اکوسیستم Model Context Protocol (MCP) را معرفی می‌کند. شما یاد خواهید گرفت که چگونه کلاینت خود را بنویسید و آن را به یک سرور MCP متصل کنید.

اهداف یادگیری

در پایان این درس، شما قادر خواهید بود:

درک کنید که کلاینت چه کاری می‌تواند انجام دهد.
کلاینت خود را بنویسید.
کلاینت را به سرور MCP متصل کنید و آن را آزمایش کنید تا مطمئن شوید که سرور به درستی کار می‌کند.

چه چیزی در نوشتن یک کلاینت دخیل است؟

برای نوشتن یک کلاینت، باید موارد زیر را انجام دهید:

کتابخانه‌های صحیح را وارد کنید. شما از همان کتابخانه قبلی استفاده خواهید کرد، فقط ساختارهای متفاوتی.
یک کلاینت ایجاد کنید. این شامل ایجاد یک نمونه کلاینت و اتصال آن به روش انتقال انتخابی خواهد بود.
تصمیم بگیرید که چه منابعی را لیست کنید. سرور MCP شما دارای منابع، ابزارها و درخواست‌ها است، شما باید تصمیم بگیرید کدام یک را لیست کنید.
کلاینت را در یک برنامه میزبان ادغام کنید. هنگامی که توانایی‌های سرور را شناختید، باید آن را در برنامه میزبان خود ادغام کنید تا اگر کاربر یک درخواست یا دستور دیگر وارد کرد، ویژگی مربوطه سرور فراخوانی شود.

حالا که به طور کلی فهمیدیم چه کاری قرار است انجام دهیم، بیایید به یک مثال نگاه کنیم.

یک مثال کلاینت

بیایید به این مثال کلاینت نگاه کنیم:

TypeScript

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

const transport = new StdioClientTransport({
  command: "node",
  args: ["server.js"]
});

const client = new Client(
  {
    name: "example-client",
    version: "1.0.0"
  }
);

await client.connect(transport);

// List prompts
const prompts = await client.listPrompts();

// Get a prompt
const prompt = await client.getPrompt({
  name: "example-prompt",
  arguments: {
    arg1: "value"
  }
});

// List resources
const resources = await client.listResources();

// Read a resource
const resource = await client.readResource({
  uri: "file:///example.txt"
});

// Call a tool
const result = await client.callTool({
  name: "example-tool",
  arguments: {
    arg1: "value"
  }
});

در کد بالا:

کتابخانه‌ها را وارد می‌کنیم.
یک نمونه کلاینت ایجاد می‌کنیم و آن را با استفاده از stdio برای انتقال متصل می‌کنیم.
درخواست‌ها، منابع و ابزارها را لیست می‌کنیم و همه آن‌ها را فراخوانی می‌کنیم.

این یک کلاینت است که می‌تواند با یک سرور MCP ارتباط برقرار کند.

بیایید در بخش تمرین بعدی وقت بگذاریم و هر قطعه کد را تجزیه کنیم و توضیح دهیم چه اتفاقی می‌افتد.

تمرین: نوشتن یک کلاینت

همانطور که گفته شد، بیایید وقت بگذاریم و کد را توضیح دهیم، و اگر می‌خواهید، همراه با کد بنویسید.

-1- وارد کردن کتابخانه‌ها

بیایید کتابخانه‌هایی که نیاز داریم وارد کنیم. ما به ارجاعاتی به یک کلاینت و پروتکل انتقال انتخابی خود، stdio، نیاز خواهیم داشت. stdio یک پروتکل برای چیزهایی است که قرار است روی ماشین محلی شما اجرا شوند. SSE یک پروتکل انتقال دیگر است که در فصل‌های آینده نشان خواهیم داد، اما این گزینه دیگر شماست. فعلاً، بیایید با stdio ادامه دهیم.

TypeScript

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

Python

from mcp import ClientSession, StdioServerParameters, types
from mcp.client.stdio import stdio_client

.NET

using Microsoft.Extensions.AI;
using Microsoft.Extensions.Configuration;
using Microsoft.Extensions.Hosting;
using ModelContextProtocol.Client;
using ModelContextProtocol.Protocol.Transport;

Java

برای Java، شما یک کلاینت ایجاد خواهید کرد که به سرور MCP از تمرین قبلی متصل می‌شود. با استفاده از همان ساختار پروژه Java Spring Boot از شروع کار با سرور MCP، یک کلاس Java جدید به نام SDKClient در پوشه src/main/java/com/microsoft/mcp/sample/client/ ایجاد کنید و واردات زیر را اضافه کنید:

import java.util.Map;
import org.springframework.web.reactive.function.client.WebClient;
import io.modelcontextprotocol.client.McpClient;
import io.modelcontextprotocol.client.transport.WebFluxSseClientTransport;
import io.modelcontextprotocol.spec.McpClientTransport;
import io.modelcontextprotocol.spec.McpSchema.CallToolRequest;
import io.modelcontextprotocol.spec.McpSchema.CallToolResult;
import io.modelcontextprotocol.spec.McpSchema.ListToolsResult;

بیایید به ایجاد کلاینت ادامه دهیم.

-2- ایجاد کلاینت و انتقال

ما باید یک نمونه از انتقال و یک نمونه از کلاینت خود ایجاد کنیم:

TypeScript

const transport = new StdioClientTransport({
  command: "node",
  args: ["server.js"]
});

const client = new Client(
  {
    name: "example-client",
    version: "1.0.0"
  }
);

await client.connect(transport);

در کد بالا:

یک نمونه انتقال stdio ایجاد کرده‌ایم. توجه کنید که چگونه دستور و آرگومان‌ها برای پیدا کردن و راه‌اندازی سرور مشخص شده‌اند، زیرا این چیزی است که هنگام ایجاد کلاینت به آن نیاز خواهیم داشت.
```
const transport = new StdioClientTransport({
    command: "node",
    args: ["server.js"]
});
```

یک کلاینت با نام و نسخه ایجاد کرده‌ایم.

const client = new Client(
{
    name: "example-client",
    version: "1.0.0"
});

کلاینت را به انتقال انتخابی متصل کرده‌ایم.
```
await client.connect(transport);
```

Python

from mcp import ClientSession, StdioServerParameters, types
from mcp.client.stdio import stdio_client

# Create server parameters for stdio connection
server_params = StdioServerParameters(
    command="mcp",  # Executable
    args=["run", "server.py"],  # Optional command line arguments
    env=None,  # Optional environment variables
)

async def run():
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(
            read, write
        ) as session:
            # Initialize the connection
            await session.initialize()

          

if __name__ == "__main__":
    import asyncio

    asyncio.run(run())

در کد بالا:

کتابخانه‌های مورد نیاز را وارد کرده‌ایم.
یک شیء پارامترهای سرور ایجاد کرده‌ایم، زیرا از این برای اجرای سرور استفاده خواهیم کرد تا بتوانیم با کلاینت خود به آن متصل شویم.
یک متد run تعریف کرده‌ایم که به نوبه خود stdio_client را فراخوانی می‌کند که یک جلسه کلاینت را شروع می‌کند.
یک نقطه ورود ایجاد کرده‌ایم که متد run را به asyncio.run ارائه می‌دهد.

.NET

using Microsoft.Extensions.AI;
using Microsoft.Extensions.Configuration;
using Microsoft.Extensions.Hosting;
using ModelContextProtocol.Client;
using ModelContextProtocol.Protocol.Transport;

var builder = Host.CreateApplicationBuilder(args);

builder.Configuration
    .AddEnvironmentVariables()
    .AddUserSecrets<Program>();



var clientTransport = new StdioClientTransport(new()
{
    Name = "Demo Server",
    Command = "dotnet",
    Arguments = ["run", "--project", "path/to/file.csproj"],
});

await using var mcpClient = await McpClientFactory.CreateAsync(clientTransport);

در کد بالا:

کتابخانه‌های مورد نیاز را وارد کرده‌ایم.
یک انتقال stdio و یک کلاینت mcpClient ایجاد کرده‌ایم. دومی چیزی است که برای لیست کردن و فراخوانی ویژگی‌ها در سرور MCP استفاده خواهیم کرد.

توجه داشته باشید، در "Arguments"، می‌توانید به .csproj یا فایل اجرایی اشاره کنید.

Java

public class SDKClient {
    
    public static void main(String[] args) {
        var transport = new WebFluxSseClientTransport(WebClient.builder().baseUrl("http://localhost:8080"));
        new SDKClient(transport).run();
    }
    
    private final McpClientTransport transport;

    public SDKClient(McpClientTransport transport) {
        this.transport = transport;
    }

    public void run() {
        var client = McpClient.sync(this.transport).build();
        client.initialize();
        
        // Your client logic goes here
    }
}

در کد بالا:

یک متد اصلی ایجاد کرده‌ایم که یک انتقال SSE را تنظیم می‌کند که به http://localhost:8080 اشاره می‌کند، جایی که سرور MCP ما اجرا خواهد شد.
یک کلاس کلاینت ایجاد کرده‌ایم که انتقال را به عنوان پارامتر سازنده می‌گیرد.
در متد run، یک کلاینت MCP همزمان با استفاده از انتقال ایجاد کرده‌ایم و اتصال را مقداردهی اولیه کرده‌ایم.
از انتقال SSE (رویدادهای ارسال‌شده توسط سرور) استفاده کرده‌ایم که برای ارتباط مبتنی بر HTTP با سرورهای MCP Java Spring Boot مناسب است.

-3- لیست کردن ویژگی‌های سرور

حالا، ما یک کلاینت داریم که می‌تواند متصل شود، اگر برنامه اجرا شود. با این حال، هنوز ویژگی‌های آن را لیست نمی‌کند، بنابراین بیایید این کار را انجام دهیم:

TypeScript

// List prompts
const prompts = await client.listPrompts();

// List resources
const resources = await client.listResources();

// list tools
const tools = await client.listTools();

Python

# List available resources
resources = await session.list_resources()
print("LISTING RESOURCES")
for resource in resources:
    print("Resource: ", resource)

# List available tools
tools = await session.list_tools()
print("LISTING TOOLS")
for tool in tools.tools:
    print("Tool: ", tool.name)

اینجا منابع موجود را با list_resources() و ابزارها را با list_tools لیست کرده و چاپ می‌کنیم.

.NET

foreach (var tool in await client.ListToolsAsync())
{
    Console.WriteLine($"{tool.Name} ({tool.Description})");
}

در بالا مثالی از نحوه لیست کردن ابزارها در سرور آورده شده است. برای هر ابزار، سپس نام آن را چاپ می‌کنیم.

Java

// List and demonstrate tools
ListToolsResult toolsList = client.listTools();
System.out.println("Available Tools = " + toolsList);

// You can also ping the server to verify connection
client.ping();

در کد بالا:

listTools() را فراخوانی کرده‌ایم تا همه ابزارهای موجود از سرور MCP دریافت شوند.
از ping() برای تأیید اینکه اتصال به سرور کار می‌کند استفاده کرده‌ایم.
ListToolsResult شامل اطلاعاتی درباره همه ابزارها از جمله نام‌ها، توضیحات و طرح‌های ورودی آن‌ها است.

عالی، حالا همه ویژگی‌ها را ثبت کرده‌ایم. حالا سوال این است که چه زمانی از آن‌ها استفاده کنیم؟ خوب، این کلاینت بسیار ساده است، ساده به این معنا که باید ویژگی‌ها را به طور صریح فراخوانی کنیم. در فصل بعدی، یک کلاینت پیشرفته‌تر ایجاد خواهیم کرد که به مدل زبان بزرگ خود (LLM) دسترسی دارد. فعلاً، بیایید ببینیم چگونه می‌توان ویژگی‌ها را در سرور فراخوانی کرد:

-4- فراخوانی ویژگی‌ها

برای فراخوانی ویژگی‌ها باید مطمئن شویم که آرگومان‌های صحیح و در برخی موارد نام چیزی که می‌خواهیم فراخوانی کنیم را مشخص کرده‌ایم.

TypeScript

// Read a resource
const resource = await client.readResource({
  uri: "file:///example.txt"
});

// Call a tool
const result = await client.callTool({
  name: "example-tool",
  arguments: {
    arg1: "value"
  }
});

// call prompt
const promptResult = await client.getPrompt({
    name: "review-code",
    arguments: {
        code: "console.log(\"Hello world\")"
    }
})

در کد بالا:

یک منبع را خوانده‌ایم، منبع را با فراخوانی readResource() و مشخص کردن uri فراخوانی می‌کنیم. این چیزی است که احتمالاً در سمت سرور به این شکل خواهد بود:
```
server.resource(
    "readFile",
    new ResourceTemplate("file://{name}", { list: undefined }),
    async (uri, { name }) => ({
      contents: [{
        uri: uri.href,
        text: `Hello, ${name}!`
      }]
    })
);
```
مقدار uri ما file://example.txt با file://{name} در سرور مطابقت دارد. example.txt به name نگاشت خواهد شد.
یک ابزار را فراخوانی کرده‌ایم، ابزار را با مشخص کردن name و arguments فراخوانی می‌کنیم، به این شکل:
```
const result = await client.callTool({
    name: "example-tool",
    arguments: {
        arg1: "value"
    }
});
```

یک درخواست را دریافت کرده‌ایم، برای دریافت درخواست، getPrompt() را با name و arguments فراخوانی می‌کنیم. کد سرور به این شکل است:

server.prompt(
    "review-code",
    { code: z.string() },
    ({ code }) => ({
        messages: [{
        role: "user",
        content: {
            type: "text",
            text: `Please review this code:\n\n${code}`
        }
        }]
    })
);

و کد کلاینت شما برای مطابقت با چیزی که در سرور اعلام شده است به این شکل خواهد بود:

const promptResult = await client.getPrompt({
    name: "review-code",
    arguments: {
        code: "console.log(\"Hello world\")"
    }
})

Python

# Read a resource
print("READING RESOURCE")
content, mime_type = await session.read_resource("greeting://hello")

# Call a tool
print("CALL TOOL")
result = await session.call_tool("add", arguments={"a": 1, "b": 7})
print(result.content)

در کد بالا:

یک منبع به نام greeting را با استفاده از read_resource فراخوانی کرده‌ایم.
یک ابزار به نام add را با استفاده از call_tool فراخوانی کرده‌ایم.

.NET

بیایید کدی برای فراخوانی یک ابزار اضافه کنیم:

var result = await mcpClient.CallToolAsync(
    "Add",
    new Dictionary<string, object?>() { ["a"] = 1, ["b"] = 3  },
    cancellationToken:CancellationToken.None);

برای چاپ نتیجه، این کد را برای مدیریت آن اضافه کنید:

Console.WriteLine(result.Content.First(c => c.Type == "text").Text);
// Sum 4

Java

// Call various calculator tools
CallToolResult resultAdd = client.callTool(new CallToolRequest("add", Map.of("a", 5.0, "b", 3.0)));
System.out.println("Add Result = " + resultAdd);

CallToolResult resultSubtract = client.callTool(new CallToolRequest("subtract", Map.of("a", 10.0, "b", 4.0)));
System.out.println("Subtract Result = " + resultSubtract);

CallToolResult resultMultiply = client.callTool(new CallToolRequest("multiply", Map.of("a", 6.0, "b", 7.0)));
System.out.println("Multiply Result = " + resultMultiply);

CallToolResult resultDivide = client.callTool(new CallToolRequest("divide", Map.of("a", 20.0, "b", 4.0)));
System.out.println("Divide Result = " + resultDivide);

CallToolResult resultHelp = client.callTool(new CallToolRequest("help", Map.of()));
System.out.println("Help = " + resultHelp);

در کد بالا:

چندین ابزار ماشین‌حساب را با استفاده از متد callTool() و اشیاء CallToolRequest فراخوانی کرده‌ایم.
هر فراخوانی ابزار نام ابزار و یک Map از آرگومان‌های مورد نیاز توسط آن ابزار را مشخص می‌کند.
ابزارهای سرور انتظار پارامترهای خاصی (مانند "a"، "b" برای عملیات ریاضی) دارند.
نتایج به عنوان اشیاء CallToolResult بازگردانده می‌شوند که پاسخ سرور را شامل می‌شوند.

-5- اجرای کلاینت

برای اجرای کلاینت، دستور زیر را در ترمینال تایپ کنید:

TypeScript

ورودی زیر را به بخش "scripts" در package.json اضافه کنید:

"client": "tsx && node build/client.js"

npm run client

Python

کلاینت را با دستور زیر فراخوانی کنید:

python client.py

.NET

dotnet run

Java

ابتدا مطمئن شوید که سرور MCP شما روی http://localhost:8080 اجرا می‌شود. سپس کلاینت را اجرا کنید:

# Build you project
./mvnw clean compile

# Run the client
./mvnw exec:java -Dexec.mainClass="com.microsoft.mcp.sample.client.SDKClient"

به طور جایگزین، می‌توانید پروژه کامل کلاینت ارائه‌شده در پوشه راه‌حل 03-GettingStarted\02-client\solution\java را اجرا کنید:

# Navigate to the solution directory
cd 03-GettingStarted/02-client/solution/java

# Build and run the JAR
./mvnw clean package
java -jar target/calculator-client-0.0.1-SNAPSHOT.jar

تکلیف

در این تکلیف، شما از آنچه در ایجاد یک کلاینت یاد گرفته‌اید استفاده خواهید کرد، اما کلاینت خود را ایجاد خواهید کرد.

در اینجا یک سرور وجود دارد که باید از طریق کد کلاینت خود فراخوانی کنید، ببینید آیا می‌توانید ویژگی‌های بیشتری به سرور اضافه کنید تا آن را جالب‌تر کنید.

TypeScript

import { McpServer, ResourceTemplate } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

// Create an MCP server
const server = new McpServer({
  name: "Demo",
  version: "1.0.0"
});

// Add an addition tool
server.tool("add",
  { a: z.number(), b: z.number() },
  async ({ a, b }) => ({
    content: [{ type: "text", text: String(a + b) }]
  })
);

// Add a dynamic greeting resource
server.resource(
  "greeting",
  new ResourceTemplate("greeting://{name}", { list: undefined }),
  async (uri, { name }) => ({
    contents: [{
      uri: uri.href,
      text: `Hello, ${name}!`
    }]
  })
);

// Start receiving messages on stdin and sending messages on stdout

async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("MCPServer started on stdin/stdout");
}

main().catch((error) => {
  console.error("Fatal error: ", error);
  process.exit(1);
});

Python

# server.py
from mcp.server.fastmcp import FastMCP

# Create an MCP server
mcp = FastMCP("Demo")


# Add an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b


# Add a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"

.NET

using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;
using Microsoft.Extensions.Logging;
using ModelContextProtocol.Server;
using System.ComponentModel;

var builder = Host.CreateApplicationBuilder(args);
builder.Logging.AddConsole(consoleLogOptions =>
{
    // Configure all logs to go to stderr
    consoleLogOptions.LogToStandardErrorThreshold = LogLevel.Trace;
});

builder.Services
    .AddMcpServer()
    .WithStdioServerTransport()
    .WithToolsFromAssembly();
await builder.Build().RunAsync();

[McpServerToolType]
public static class CalculatorTool
{
    [McpServerTool, Description("Adds two numbers")]
    public static string Add(int a, int b) => $"Sum {a + b}";
}

این پروژه را ببینید تا ببینید چگونه می‌توانید درخواست‌ها و منابع اضافه کنید.

همچنین، این لینک را بررسی کنید برای نحوه فراخوانی درخواست‌ها و منابع.

راه‌حل

پوشه راه‌حل شامل پیاده‌سازی‌های کامل و آماده اجرا کلاینت است که تمام مفاهیم پوشش داده‌شده در این آموزش را نشان می‌دهد. هر راه‌حل شامل کد کلاینت و سرور است که به صورت جداگانه و پروژه‌های مستقل سازماندهی شده‌اند.

📁 ساختار راه‌حل

دایرکتوری راه‌حل بر اساس زبان برنامه‌نویسی سازماندهی شده است:

solution/
├── typescript/          # TypeScript client with npm/Node.js setup
│   ├── package.json     # Dependencies and scripts
│   ├── tsconfig.json    # TypeScript configuration
│   └── src/             # Source code
├── java/                # Java Spring Boot client project
│   ├── pom.xml          # Maven configuration
│   ├── src/             # Java source files
│   └── mvnw            # Maven wrapper
├── python/              # Python client implementation
│   ├── client.py        # Main client code
│   ├── server.py        # Compatible server
│   └── README.md        # Python-specific instructions
├── dotnet/              # .NET client project
│   ├── dotnet.csproj    # Project configuration
│   ├── Program.cs       # Main client code
│   └── dotnet.sln       # Solution file
└── server/              # Additional .NET server implementation
    ├── Program.cs       # Server code
    └── server.csproj    # Server project file

🚀 هر راه‌حل شامل چه چیزی است

هر راه‌حل خاص زبان ارائه می‌دهد:

پیاده‌سازی کامل کلاینت با تمام ویژگی‌های آموزش
ساختار پروژه کاری با وابستگی‌ها و پیکربندی مناسب
اسکریپت‌های ساخت و اجرا برای راه‌اندازی و اجرا آسان
README دقیق با دستورالعمل‌های خاص زبان
نمونه‌های مدیریت خطا و پردازش نتایج

📖 استفاده از راه‌حل‌ها

به پوشه زبان مورد نظر خود بروید:

cd solution/typescript/    # For TypeScript
cd solution/java/          # For Java
cd solution/python/        # For Python
cd solution/dotnet/        # For .NET

دستورالعمل‌های README را دنبال کنید در هر پوشه برای:
- نصب وابستگی‌ها
- ساخت پروژه
- اجرای کلاینت

خروجی نمونه که باید ببینید:

Prompt: Please review this code: console.log("hello");
Resource template: file
Tool result: { content: [ { type: 'text', text: '9' } ] }

برای مستندات کامل و دستورالعمل‌های گام به گام، ببینید: 📖 مستندات راه‌حل

🎯 مثال‌های کامل

ما پیاده‌سازی‌های کامل و کاری کلاینت را برای تمام زبان‌های برنامه‌نویسی پوشش داده‌شده در این آموزش ارائه کرده‌ایم. این مثال‌ها عملکرد کامل توضیح داده‌شده در بالا را نشان می‌دهند و می‌توانند به عنوان پیاده‌سازی‌های مرجع یا نقاط شروع برای پروژه‌های خودتان استفاده شوند.

مثال‌های کامل موجود

زبان	فایل	توضیحات
Java	`client_example_java.java`	کلاینت کامل Java با استفاده از انتقال SSE با مدیریت خطای جامع
C#	`client_example_csharp.cs`	کلاینت کامل C# با استفاده از انتقال stdio و راه‌اندازی خودکار سرور
TypeScript	`client_example_typescript.ts`	کلاینت کامل TypeScript با پشتیبانی کامل از پروتکل MCP
Python	`client_example_python.py`	کلاینت کامل Python با استفاده از الگوهای async/await

هر مثال کامل شامل موارد زیر است:

✅ ایجاد اتصال و مدیریت خطا
✅ کشف سرور (ابزارها، منابع، درخواست‌ها در صورت وجود)
✅ عملیات ماشین‌حساب (جمع، تفریق، ضرب، تقسیم، کمک)
✅ پردازش نتایج و خروجی قالب‌بندی‌شده
✅ مدیریت خطای جامع
✅ کد تمیز و مستند با توضیحات گام به گام

شروع کار با مثال‌های کامل

زبان مورد نظر خود را از جدول بالا انتخاب کنید
فایل مثال کامل را بررسی کنید تا پیاده‌سازی کامل را درک کنید
مثال را اجرا کنید با دنبال کردن دستورالعمل‌ها در complete_examples.md
مثال را تغییر دهید و گسترش دهید برای مورد استفاده خاص خود

برای مستندات دقیق درباره اجرای و سفارشی‌سازی این مثال‌ها، ببینید: 📖 مستندات مثال‌های کامل

💡 راه‌حل در مقابل مثال‌های کامل

پوشه راه‌حل	مثال‌های کامل
ساختار کامل پروژه با فایل‌های ساخت	پیاده‌سازی‌های تک‌فایلی
آماده اجرا با وابستگی‌ها	مثال‌های کد متمرکز
تنظیمات شبیه به تولید	مرجع آموزشی
ابزارهای خاص زبان	مقایسه بین زبان‌ها
هر دو رویکرد ارزشمند هستند - از پوشه‌ی پروژه برای پروژه‌های کامل استفاده کنید و از نمونه‌های کامل برای یادگیری و مرجع.

نکات کلیدی

نکات کلیدی این فصل درباره‌ی کلاینت‌ها به شرح زیر است:

می‌توان از آن‌ها برای کشف و فراخوانی قابلیت‌های سرور استفاده کرد.
می‌توانند هنگام شروع به کار خود، یک سرور را نیز راه‌اندازی کنند (مانند این فصل)، اما کلاینت‌ها می‌توانند به سرورهای در حال اجرا نیز متصل شوند.
در کنار ابزارهایی مانند Inspector که در فصل قبل توضیح داده شد، راهی عالی برای آزمایش قابلیت‌های سرور هستند.

منابع اضافی

ساخت کلاینت‌ها در MCP

نمونه‌ها

مرحله بعد

بعدی: ایجاد یک کلاینت با LLM

سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش می‌کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما هیچ مسئولیتی در قبال سوءتفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.

FilesExpand file tree

README.md

Latest commit

History

README.md

File metadata and controls

ایجاد یک کلاینت

مرور کلی

اهداف یادگیری

چه چیزی در نوشتن یک کلاینت دخیل است؟

یک مثال کلاینت

TypeScript

تمرین: نوشتن یک کلاینت

-1- وارد کردن کتابخانه‌ها

TypeScript

Python

.NET

Java

-2- ایجاد کلاینت و انتقال

TypeScript

Python

.NET

Java

-3- لیست کردن ویژگی‌های سرور

TypeScript

Python

.NET

Java

-4- فراخوانی ویژگی‌ها

TypeScript

Python

.NET

Java

-5- اجرای کلاینت

TypeScript

Python

.NET

Java

تکلیف

TypeScript

Python

.NET

راه‌حل

📁 ساختار راه‌حل

🚀 هر راه‌حل شامل چه چیزی است

📖 استفاده از راه‌حل‌ها

🎯 مثال‌های کامل

مثال‌های کامل موجود

شروع کار با مثال‌های کامل

💡 راه‌حل در مقابل مثال‌های کامل

نکات کلیدی

منابع اضافی

نمونه‌ها

مرحله بعد