MCP-LLM 演示项目
这是一个基于 MCP (Model-Client-Protocol) 和大语言模型的演示项目，展示了如何构建一个具有工具调用能力的 LLM 应用服务。
项目概述
本项目通过 MCP 框架实现了一个服务端，提供了多种工具（如加法运算、天气查询等），并通过客户端调用大语言模型（支持 OpenAI 和阿里云 DashScope 接口）来解析用户请求并调用相应的工具。
项目结构
.
├── llm_client.py # DashScope 接口调用客户端
├── server.py # MCP 服务端，提供多种工具
├── stdio-server.py # 基于标准输入输出的 MCP 服务端
├── test.py # 简单的天气服务测试
├── requirements.txt # 项目依赖
└── .gitignore # Git 忽略文件功能特性
- MCP 服务端功能：
- 提供加法运算工具 - 提供个性化问候资源 - 提供天气查询功能（基于天气 API）
- LLM 客户端功能：
- 支持调用 OpenAI 接口（Azure 和 DashScope 兼容模式） - 自动转换 MCP 工具为 LLM 可调用的函数格式 - 处理工具调用结果
- 示例服务器：
- 标准输入输出服务器 - 流式输出服务器
安装与配置
环境要求
- Python 3.8+
- pip 包管理器
安装步骤
- 克隆项目到本地
git clone
cd mcp-llm-demo- 安装依赖
pip install -r requirements.txt- 配置环境变量
创建 .env 文件或直接在系统中设置以下环境变量：
# 阿里云 DashScope API 密钥（用于调用 qwen-plus 模型）
DASHSCOPE_API_KEY=your_dashscope_api_key
# 天气 API 密钥
TIANAPI_KEY=your_tianapi_key
# Azure OpenAI 相关配置（可选）
GITHUB_TOKEN=your_azure_openai_token使用方法
启动 MCP 服务端
python server.py启动标准输入输出服务器
python stdio-server.py运行 LLM 客户端
python llm_client.py工具说明
加法工具 (add)
功能：计算两个数字的和
参数：
a(int): 第一个数字b(int): 第二个数字
返回值：两个数字的和
天气查询工具 (get_local_weather)
功能：获取中国指定城市的实时天气情况
参数：
city(str): 中国城市名称（如"北京"、"上海"）
返回值：格式化的天气信息字符串
问候资源 (greeting://{name})
功能：获取个性化问候
参数：
name(str): 要问候的人名
返回值：个性化的问候字符串
注意事项
- 在使用天气查询功能前，请确保已设置有效的
TIANAPI_KEY环境变量 - 调用大语言模型前，需确保已设置相应的 API 密钥
- 本项目仅作为演示用途，实际应用中请确保 API 密钥的安全管理
扩展开发
如需添加新的工具或资源，请在相应的服务端文件中使用 @mcp.tool() 或 @mcp.resource() 装饰器进行注册。
许可证
联系方式
如有问题或建议，请提交 Issue 或 Pull Request。