Skip to content

Latest commit

 

History

History
151 lines (115 loc) · 5.12 KB

README.md

File metadata and controls

151 lines (115 loc) · 5.12 KB

Executando este exemplo

Aqui está como executar o servidor e cliente de streaming HTTP clássico, assim como o servidor e cliente de streaming MCP usando Python.

Visão geral

  • Você irá configurar um servidor MCP que envia notificações de progresso para o cliente enquanto processa os itens.
  • O cliente exibirá cada notificação em tempo real.
  • Este guia cobre pré-requisitos, configuração, execução e solução de problemas.

Pré-requisitos

  • Python 3.9 ou superior
  • O pacote Python mcp (instale com pip install mcp)

Instalação e Configuração

  1. Clone o repositório ou baixe os arquivos da solução.

    git clone https://github.com/microsoft/mcp-for-beginners

  2. Crie e ative um ambiente virtual (recomendado):

    python -m venv venv
.\venv\Scripts\Activate.ps1  # On Windows
# or
source venv/bin/activate      # On Linux/macOS

  3. Instale as dependências necessárias:

    pip install "mcp[cli]"

Arquivos

Executando o Servidor de Streaming HTTP Clássico

  1. Navegue até o diretório da solução:

    cd 03-GettingStarted/06-http-streaming/solution

  2. Inicie o servidor de streaming HTTP clássico:

    python server.py

  3. O servidor será iniciado e exibirá:

    Starting FastAPI server for classic HTTP streaming...
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

Executando o Cliente de Streaming HTTP Clássico

  1. Abra um novo terminal (ative o mesmo ambiente virtual e diretório):

    cd 03-GettingStarted/06-http-streaming/solution
python client.py

  2. Você deverá ver as mensagens transmitidas impressas em sequência:

    Running classic HTTP streaming client...
Connecting to http://localhost:8000/stream with message: hello
--- Streaming Progress ---
Processing file 1/3...
Processing file 2/3...
Processing file 3/3...
Here's the file content: hello
--- Stream Ended ---

Executando o Servidor de Streaming MCP

  1. Navegue até o diretório da solução: 
    cd 03-GettingStarted/06-http-streaming/solution
  2. Inicie o servidor MCP com o transporte streamable-http: 
    python server.py mcp
  3. O servidor será iniciado e exibirá: 
    Starting MCP server with streamable-http transport...
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

Executando o Cliente de Streaming MCP

  1. Abra um novo terminal (ative o mesmo ambiente virtual e diretório): 
    cd 03-GettingStarted/06-http-streaming/solution
python client.py mcp
  2. Você verá as notificações sendo exibidas em tempo real conforme o servidor processa cada item: 
    Running MCP client...
Starting client...
Session ID before init: None
Session ID after init: a30ab7fca9c84f5fa8f5c54fe56c9612
Session initialized, ready to call tools.
Received message: root=LoggingMessageNotification(...)
NOTIFICATION: root=LoggingMessageNotification(...)
...
Tool result: meta=None content=[TextContent(type='text', text='Processed files: file_1.txt, file_2.txt, file_3.txt | Message: hello from client')]

Principais Etapas da Implementação

  1. Crie o servidor MCP usando FastMCP.
  2. Defina uma ferramenta que processa uma lista e envia notificações usando ctx.info() or ctx.log().
  3. Run the server with transport="streamable-http".
  4. Implement a client with a message handler to display notifications as they arrive.

Code Walkthrough

  • The server uses async functions and the MCP context to send progress updates.
  • The client implements an async message handler to print notifications and the final result.

Tips & Troubleshooting

  • Use async/await para operações não bloqueantes.**
  • Sempre trate exceções tanto no servidor quanto no cliente para garantir robustez.
  • Teste com múltiplos clientes para observar as atualizações em tempo real.
  • Se encontrar erros, verifique sua versão do Python e confirme se todas as dependências estão instaladas.

Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.