模板服务器-一个简单的MCP服务器
这是一个简单的模型上下文协议（MCP）服务器实现，它提供了用于处理各种文件格式的工具，包括CSV、Parquet、JSON、YAML和二头肌。该项目基于 用Python构建基本MCP服务器 辅导的。
概述
此MCP服务器提供的工具允许像Claude这样的AI模型与各种文件格式进行交互，检索其结构的摘要。服务器是使用Python和FastMCP服务器实现构建的。它使AI助手能够分析：
- CSV和Parquet文件（行和列计数）
- JSON结构（对象的键，数组的计数）
- YAML配置（映射键、序列计数）
- Azure的二头肌模板（资源、参数、变量、输出）
项目结构
/
├── main.py # Entry point for running the server
├── server.py # FastMCP server configuration
├── requirements.txt # Project dependencies
├── mcp.bicep # Bicep template for Azure resources
├── data/ # Directory for data files
│ ├── sample.csv # Sample CSV file for testing
│ ├── sample.parquet # Sample Parquet file for testing
│ ├── json/ # JSON files directory
│ │ └── sample.json # Sample JSON file for testing
│ ├── yaml/ # YAML files directory
│ │ └── sample.yaml # Sample YAML file for testing
│ └── bicep/ # Bicep files directory
│ └── main.bicep # Sample Bicep file for testing
├── tools/ # MCP tools implementation
│ ├── csv_tools.py # Tools for working with CSV files
│ ├── parquet_tools.py # Tools for working with Parquet files
│ ├── json_tools.py # Tools for working with JSON files
│ ├── yaml_tools.py # Tools for working with YAML files
│ ├── bicep_tools.py # Tools for working with Bicep files
│ └── file_tools.py # Tools for reading file contents
└── utils/ # Utility functions
└── file_reader.py # Utilities for reading files依赖项
此项目需要以下依赖关系：
- Python 3.11或更高版本
- 支持CLI的MCP库
- Pandas用于数据操作
- PyArrow用于Parquet文件支持
- PyYAML支持YAML文件
所有依赖项都列在 requirements.txt 文件。
安装
- 克隆此存储库
- 导航到项目目录
- 使用pip安装依赖项：
pip install -r requirements.txt虚拟环境管理
您可以使用虚拟环境来隔离项目依赖关系：
# Create a new environment
python -m venv .venv
# Activate the environment (PowerShell)
.venv/bin/Activate.ps1
# Install dependencies from requirements.txt
pip install -r requirements.txt运行服务器
要运行MCP服务器，请执行以下操作：
python main.py对于PowerShell用户：
python ./main.pyVS代码设置
要配置VS Code以用于此项目的开发，请执行以下操作：
- 为VS Code安装Python扩展
- 创建一个
.vscode项目根目录下的文件夹 - 创建一个
settings.json具有以下配置的文件：
{
"python.defaultInterpreterPath": "${workspaceFolder}/.venv/bin/python",
"python.linting.enabled": true,
"python.linting.pylintEnabled": true,
"python.formatting.provider": "black",
"editor.formatOnSave": true,
"python.analysis.extraPaths": [
"${workspaceFolder}"
]
}- 创建一个
launch.json用于调试的文件：
{
"version": "0.2.0",
"configurations": [
{
"name": "Python: MCP Server",
"type": "python",
"request": "launch",
"program": "${workspaceFolder}/main.py",
"console": "integratedTerminal",
"justMyCode": false,
"env": {
"PYTHONPATH": "${workspaceFolder}"
}
}
]
}此设置允许您使用集成终端和调试器直接从VS Code运行和调试MCP服务器。
可用工具
CSV工具
summarize_csv_file：接受文件名参数并返回CSV文件结构的摘要（行数和列数）。
拼花工具
summarize_parquet_file：接受filename参数并返回Parquet文件结构的摘要（行数和列数）。
JSON工具
summarize_json_file：接受filename参数并返回JSON文件结构的摘要（对象的键，数组的计数）。
YAML工具
summarize_yaml_file：接受filename参数并返回YAML文件结构的摘要（映射键、序列计数）。
二头肌工具
summarize_bicep_file：获取文件名参数并返回二头肌文件内容的摘要（资源、参数、变量和输出的计数）。
文件读取工具
read_file_contents：接受filename参数并返回数据目录中任何文件的完整内容。路径可以包含子目录，例如“json/config.json”、“dimp/main.dimp”。
使用Claude Desktop进行配置
要将此MCP服务器与Claude Desktop一起使用，请将以下配置添加到您的Claude Desktop配置文件中（位于 ~/Library/Application Support/Claude/claude_desktop_config.json 在 macOS 上：
{
"mcpServers": {
"template_server": {
"command": "python",
"args": [
"/Users/neilpeterson/Documents/code/personal-projects-and-ramp/mcp-infra-scaffold/main.py"
]
}
}
}或者，如果您正在使用虚拟环境：
{
"mcpServers": {
"template_server": {
"command": "pwsh",
"args": [
"-Command",
"& {cd '/Users/neilpeterson/Documents/code/personal-projects-and-ramp/mcp-infra-scaffold'; python ./main.py}"
]
}
}
}示例用法
一旦连接到像Claude这样的人工智能助手，您就可以使用这些工具来分析数据文件：
Please summarize the sample CSV file in the data directory.AI将调用 summarize_csv_file 工具提供有关文件的信息。
您还可以使用其他文件类型：
Can you analyze the structure of sample.json?AI将使用 summarize_json_file 工具提供有关JSON结构的详细信息。
What resources are defined in the Bicep template?AI将使用 summarize_bicep_file 该工具提供有关二头肌文件（例如main.digm）中的资源、参数、变量和输出的信息。
Show me the contents of the sample.yaml file.AI将使用 read_file_contents 显示YAML文件完整内容的工具。
扩展服务器
要添加新工具，请在 tools 目录并将其导入 main.py.使用 @mcp.tool() 装饰器将新函数注册为工具。