高级模型上下文协议（MCP）
一个基于Python的框架，用于构建高级客户端-服务器架构，该架构利用模型上下文协议（MCP）实现模块化、可扩展和上下文感知的AI应用程序。该存储库展示了安全的环境管理、天气数据集成、人工智能模型编排、资源/任务管理、基于提示的工作流以及使用LangChain、LlamaIndex和Google Gemini等现代工具的检索增强生成（RAG）。
______________________________________________________________________
📚 子项目
- 01构建单服务器mcp架构/\
具有天气和AI模型API的单服务器MCP实现。
- 02在单服务器mcp中添加提示/\
将基于提示的AI模型交互添加到单服务器MCP中。
- 03在单一服务器mcp中添加资源/\
添加资源管理端点和高级上下文处理。
- 04构建多服务器mcp架构/\
演示了具有独立天气和任务服务器的多服务器MCP架构。
- 05向多服务器mcp添加提示/\
添加基于提示的工作流和多服务器提示编排。
- 06向多服务器mcp添加资源/\
为Weather和Task服务器添加资源管理功能，启用资源驱动的工作流。
- 07使用mcp实现rag服务器/\
使用MCP、LangChain、LangGraph和Google Gemini实现检索增强生成（RAG）服务器。
- 08将mcp与llamaindex集成/\
将MCP与LlamaIndex集成，以实现高级代理工作流程和多块响应支持。
______________________________________________________________________
🚀 入门指南
每个子项目都包含自己的 README.md 带有设置和使用说明。\ 克隆此存储库，并按照相关子项目文件夹中的步骤进行操作。
工作流示例
- 启动相关服务器（如天气、任务、RAG）。
- 运行MCP客户端，使用自然语言、提示或资源驱动命令与服务器交互。
- 使用
.env-example为API键和模型参数配置环境变量。
______________________________________________________________________
🗂️ 存储库结构
advanced-model-context-protocol/
├── 01-building-single-server-mcp-architecture/
├── 02-adding-prompts-in-single-server-mcp/
├── 03-adding-resources-insingle-server-mcp/
├── 04-building-multi-server-mcp-architecture/
├── 05-adding-prompts-to-multi-server-mcp/
├── 06-adding-resources-to-multi-server-mcp/
├── 07-implement-rag-server-using-mcp/
├── 08-integrating-mcp-with-llamaindex/
├── README.md
└── .gitignore______________________________________________________________________
🛡️ 最佳实践
- 使用
.env-example共享所需的环境变量名称。 - 永远不要承诺你的
.env文件或生成的文件（如tasks.txt)版本控制。 - 每个子项目都是独立的，可以独立运行。
- 保持依赖关系更新，以与多块消息支持兼容。
______________________________________________________________________
📝 许可证
MIT许可证。看 许可证 了解详情。