MCP booking assistant elicitation

酒店预订MCP助理与Elicitation

如何将模型上下文协议与本地Llama 3模型配对，以处理明确依赖于启发式的酒店预订流程。MCP服务器公开了一个 book_room 了解日期和房间类别的工具。当请求的房间售罄（或缺少详细信息）时，服务器会通过以下方式进行诱导 ctx.elicit() 在返回之前收集替代指令 [SUCCESS] 或 [CANCELLED] 消息。

需求

• Python 3.10+
• fastmcp >= 0.2.0
• pydantic >= 2.0
• 当地Ollama安装 llama3 家庭可用

LLM与服务器职责

• LLM只处理对话：它解释用户意图，决定何时/如何调用MCP工具，并对服务器发出的启发提示做出响应。
• 服务器持有业务规则：它验证有效载荷，读取 data/rooms.json，确定成功/取消，并精心制作启发过程中使用的每条消息。
• 由于这种分割，最终的预订结果是确定的和可重复的，而由于LLM管理的对话，用户体验仍然感觉很自然。

在您的环境中安装Python依赖项：

pip install fastmcp pydantic

运行MCP服务器

python server/main.py

默认情况下，FastMCP在以下位置公开SSE端点 http://localhost:8000/sse.将Ollama配置指向此端点：

~/.ollama/config.json

{
  "mcp": {
    "servers": [
      {
        "name": "hotel-booking",
        "type": "sse",
        "url": "http://localhost:8000/sse"
      }
    ]
  }
}

重启 ollama serve 编辑配置后，运行首选的MCP感知界面。《Llama 3》将会发现 book_room 工具，并在需要预订操作时调用它。

激励流程

1. 用户：“预订2025年12月31日的豪华客房。”

1. Python服务器检查 data/rooms.json 在那个日期找不到豪华客房。

1. 服务器调用 ctx.elicit() 随着 BookingPreferences 模式向LLM询问另一个日期或房间类型（或确认取消）。

1. LLM与用户对话并发送结构化数据，例如，“试试标准房间。”

1. 服务器重新检查库存，并使用确定性文本进行响应，例如：

   [SUCCESS] Booked for 2025-12-31 (standard)

如果用户拒绝提供替代方案(checkAlternative = False)，服务器响应：

[CANCELLED] No booking made

该脚本直接调用预订逻辑，并使用本地提示/响应处理程序进行模拟 ctx.elicit()这对于验证测试计划中描述的快乐路径和启发场景非常方便。

测试场景