Token导航 LogoToken导航TokenDH.com
Legal Research MCP logo
AI代理stdio官方级别未说明来源级核验

Legal Research MCP

MCP Server

一个基于Python的两部分应用程序,用于法律研究,展示模型上下文协议(MCP)的基本原理。

工具数

1

提示词数

0

GitHub Stars

0

资源数

0
OpenAIPython自动化本地部署

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

zuhairabbas1

提供方

zuhairabbas1

最后核验

2026/5/17 20:19

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install -r requirements.txt

详细介绍

法律研究MCP工具

一个由两部分组成的用于法律研究的Python应用程序,从第一原则演示了模型上下文协议(MCP)。

🎯 项目概述

该项目包括:

  1. MCP服务器 -一个基于Flask的服务器,它公开了一个谷歌搜索工具
  2. 客户端应用 -一个使用MCP服务器研究法律问题并使用OpenAI的GPT-4o-mini生成结构化摘要的脚本

📋 研究问题

该应用程序旨在回答:

“安大略省房东发出N12驱逐通知供‘房东自用’的关键要求是什么?恶意发出驱逐通知的潜在处罚是什么?”

🚀 安装说明

先决条件

  • Python 3.8或更高版本
  • pip(Python包管理器)
  • OpenAI API密钥

安装

  1. 创建项目文件夹
   mkdir legal-research-mcp
   cd legal-research-mcp
  1. 将所有文件复制到此文件夹中

- mcp_server.py - 客户端.py - 需求.txt - README.md

  1. 安装依赖项
   pip install -r requirements.txt
  1. 设置OpenAI API密钥
   export OPENAI_API_KEY='your-api-key-here'

或者在Windows上:

   set OPENAI_API_KEY=your-api-key-here

🎮 用法

步骤1:启动MCP服务器

打开终端并运行:

python mcp_server.py

您应该看到:

🚀 MCP Server starting on http://localhost:5000
📋 Available endpoints:
   - POST /tools/list - List available tools
   - POST /tools/call - Invoke a tool
   - GET /health - Health check

让这个终端继续运行!

步骤2:运行客户端应用程序

打开A 新终端 (在第一个服务器中保持服务器运行)并运行:

python client.py

客户将:

  1. 向MCP服务器发送搜索查询
  2. 接收原始搜索结果
  3. 创建一个结合问题和结果的提示
  4. 将其发送给OpenAI进行分析
  5. 显示结构化摘要

📁 项目结构

legal-research-mcp/
├── mcp_server.py       # Flask MCP server exposing Google Search tool
├── client.py           # Client application for legal research
├── requirements.txt    # Python dependencies
└── README.md          # This file

🔧 运作原理

MCP服务器(MCP_Server.py)

服务器从头开始实现MCP端点:

  • POST /tools/list -返回可用工具(google_search)
  • POST /tools/call -使用给定的参数执行工具

服务器接受以下格式的JSON请求:

{
  "name": "google_search",
  "arguments": {
    "query": "your search query"
  }
}

客户端应用程序(Client.py)

客户端遵循以下工作流程:

  1. 定义法律问题 -硬编码N12驱逐问题
  2. 调用MCP工具 -将HTTP POST发送到 /tools/call 使用搜索查询
  3. 接收结果 -获取已格式化的搜索结果
  4. 创建LLM提示 -将问题+结果组合成结构化提示
  5. 查询OpenAI -向GPT-4o-mini发送提示
  6. 显示输出 -打印结构化法律摘要

🐛 故障排除

“连接被拒绝”错误

  • 确保MCP服务器在端口5000上运行
  • 检查是否有其他应用程序正在使用端口5000

“OpenAI API密钥未设置”警告

  • 设置OPENAI_API_KEY环境变量
  • 确保在运行client.py的同一终端中导出/设置它

没有搜索结果

  • 当前的实现将模拟数据用于教育目的
  • 对于生产,与Google Custom Search API集成

🎓 学习目标

该项目教授:

  1. MCP协议基础 -了解MCP如何在HTTP/JSON级别工作
  2. 关注点分离 -区分工具执行(搜索)和解释(LLM)
  3. API集成 -同时使用自定义API(MCP)和第三方API(OpenAI)
  4. 结构化提示 -创建结合上下文和问题的有效提示

📝 许可证

这是一个教育项目。您可以根据需要自由使用和修改。

______________________________________________________________________

备注:本项目有意避免使用预构建的MCP库来从第一原则理解协议。

目录标签

目录标签

OpenAIPython自动化本地部署法律研究MCP协议

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

1

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP