MCP服务器创建
使用Groq AI模型创建和集成多个模型上下文协议（MCP）服务器与LangChain代理的全面演示。
概述
该项目展示了如何：
- 使用FastMCP创建多个MCP服务器（数学和天气服务器）
- 使用以下命令将多个MCP服务器连接到LangChain代理
MultiServerMCPClient - 使用不同的传输协议（stdio和流式HTTP）
- 构建一个可以动态使用多个服务器工具的AI代理
特性
- 多个MCP服务器：演示不同传输机制的两个示例服务器
- 数学服务器：通过stdio传输提供算术运算（加法、乘法） - 天气服务器：通过HTTP传输提供天气信息
- 多服务器客户端：无缝连接并管理多个MCP服务器
- LangChain集成：使用LangGraph的ReAct代理模式进行工具编排
- Groq人工智能模型：利用Groq的Llama模型进行快速推理
建筑
┌─────────────┐
│ Client │
│ (LangChain)│
└──────┬──────┘
│
├─────────────────┐
│ │
┌──────▼──────┐ ┌───────▼──────┐
│ Math Server │ │Weather Server│
│ (stdio) │ │ (HTTP) │
└─────────────┘ └──────────────┘先决条件
- Python 3.11或更高版本
- 紫外线 包管理器（推荐）或pip
- Groq API密钥（在 console.groq.com)
安装
- 克隆存储库：
git clone
cd MCP_Server_Creation- 使用uv安装依赖项：
uv sync或者使用pip：
pip install -r requirements.txt- 创建一个
.env项目根目录中的文件：
cp env.example .env
# Then edit .env and add your actual Groq API key或手动创建 .env:
echo "GROQ_API_KEY=your_groq_api_key_here" > .env项目结构
MCP_Server_Creation/
├── app.py # Streamlit web UI (recommended interface)
├── client.py # Command-line client connecting to multiple MCP servers
├── mathserver.py # Math MCP server (stdio transport)
├── weather.py # Weather MCP server (HTTP transport)
├── requirements.txt # Python dependencies
├── pyproject.toml # Project configuration
├── env.example # Environment variables template
└── README.md # This file用法
选项1:Web UI（推荐）
与MCP服务器交互的最简单方法是通过Streamlit web界面。
第一步：更新你的 .env 文件
确保你的 .env 文件包含：
GROQ_API_KEY=your_groq_api_key_here
WEATHER_API_KEY=your_weather_api_key_here步骤2：启动天气服务器
在单独的终端中，启动基于HTTP的天气服务器：
uv run python weather.py服务器将于启动 http://localhost:8000/mcp.
步骤3：运行Streamlit UI
在另一个终端中，启动web界面：
uv run streamlit run app.pyUI将在浏览器中自动打开。然后，您可以：
- 与客服聊天
- 问数学问题：“什么是（3+5）×12？”
- 问天气问题：“纽约的天气怎么样？”
- 合并运算：“将25和17相加，然后乘以3”
选项2：命令行客户端
如果您更喜欢命令行界面：
步骤1：启动天气服务器
uv run python weather.py步骤2：运行客户端
在另一个终端中：
uv run python client.py客户将：
- 连接到数学服务器（通过stdio）和天气服务器（通过HTTP）
- 使用两台服务器上的工具创建LangChain代理
- 流程示例查询：
- 数学计算：“（3+5）x 12” - 天气查询：“加利福尼亚州的天气怎么样？”
运作原理
数学服务器(mathserver.py)
- 使用FastMCP使用两个工具创建服务器：
add和multiply - 通过stdio传输（标准输入/输出）运行
- 需要时由客户端自动生成
天气服务器(weather.py)
- 使用FastMCP和HTTP传输
- 提供
get_weather工具 - 在客户端连接之前，必须独立运行
客户(client.py)
- 用途
MultiServerMCPClient管理多个MCP服务器 - 使用LangGraph的创建ReAct代理
create_react_agent - 从所有连接的服务器动态加载工具
- 使用Groq的LLM进行快速推理
使用的技术
- MCP（模型上下文协议）：将AI模型连接到外部工具的协议
- FastMCP：在Python中创建MCP服务器的快速简便方法
- LangChain：构建LLM应用程序的框架
- LangGraph：使用LLM构建有状态的多参与者应用程序
- LangChain MCP适配器：LangChain和MCP之间的集成层
- Groq：高性能AI推理平台
- 紫外线：快速Python包安装程序和解析器
输出示例
Processing request of type ListToolsRequest
Math response: The result is 96
Weather response: It's always raining in California配置
改变人工智能模型
编辑 client.py 使用不同的Groq模型：
model=ChatGroq(model="llama-3.1-8b-instant", temperature=0)可用型号包括：
llama-3.1-8b-instantllama-3.3-70b-versatilemixtral-8x7b-32768
添加更多服务器
要添加其他MCP服务器，请更新 MultiServerMCPClient 配置在 client.py:
client=MultiServerMCPClient(
{
"math": {...},
"weather": {...},
"your_server": {
"command": "python",
"args": ["yourserver.py"],
"transport": "stdio",
}
}
)故障排除
模块未找到错误
如果您遇到导入错误，请确保您正在使用 uv run:
uv run python client.py这可确保您在使用虚拟环境时安装了所有依赖项。
端口已在使用中
如果端口8000已在使用中：
# Find the process using port 8000
lsof -ti:8000
# Kill the process
kill
服务器连接错误
启动客户端之前，请确保天气服务器正在运行：
# Terminal 1
uv run python weather.py
# Terminal 2
uv run python client.py贡献
欢迎投稿！请随时提交拉取请求。
许可证
\[在此处添加您的许可证\]