这是一个基于MCP（Model Context Protocol）的服务演示项目，用于展示如何构建和使用MCP服务，实现大模型与工具的交互集成。该项目主要演示了如何创建MCP服务、构建MCP客户端，以及如何利用LLM（大型语言模型）进行工具调用和编排。
mcp-demo/
├── prompt/ # 提示词模板
│ └── systemPrompt.txt # 系统提示词
├── src/ # 源代码
│ └── demo/
│ ├── llm/ # LLM与MCP集成的核心代码
│ │ ├── config/ # 配置相关
│ │ ├── llm/ # LLM客户端实现
│ │ ├── mcp_client/ # MCP客户端实现
│ │ ├── mcp_server/ # MCP服务实现
│ │ └── host.py # 主程序入口
│ ├── 1-stdio/ # 标准输入输出方式的MCP演示
│ └── 2-sse/ # SSE方式的MCP演示
├── server_config.json # 服务配置文件
└── requirements.txt # 项目依赖
- 克隆仓库并进入项目目录
- 安装依赖包
pip install -r requirements.txt- 支持多种MCP通信方式：
- 标准输入/输出 (stdio)
- SSE通信协议 (SSE)
- 提供基本计算工具服务
- 支持大模型工具调用与编排
- 可扩展的工具注册机制
在项目根目录创建.env文件,配置以下环境变量:
LLM_API_KEY=your_api_key
LLM_BASE_URL=proxy_base_url
MODEL=gpt-4o
执行主程序：
1-stdio：python ${项目完整路径}/src/demo/1-stdio/stdio_client.py}
2-sse:
- python ${项目完整路径}/src/demo/2-sse/sse_server.py
- python ${项目完整路径}/src/demo/2-sse/sse_client.py
llm: python ${项目完整路径}/src/demo/llm/host.py您可以在mcp_server目录下创建自己的MCP服务，例如：
from mcp.server.fastmcp import FastMCP
# 创建一个MCP服务
mcp = FastMCP("自定义服务名称")
@mcp.tool(name="tool_name", description="工具描述")
async def tool_function(param1: type, param2: type) -> return_type:
# 实现工具逻辑
return result
if __name__ == "__main__":
# 启动服务
mcp.run()编辑server_config.json文件，配置MCP服务：
{
"mcpServers": {
"Calculation": {
"type": "stdio",
"command": "python",
"args": ["${与项目根目录相对路径}"]
}
}
}- type: 支持stdio,sse
- command: 执行命令 stdio模式必填
- args: 执行命令参数 stdio模式必填
- url: 服务地址 sse模式必填
- mcp >= 1.2.0
- openai >= 1.10.0
- asyncio >= 3.4.3
- python-dotenv >= 1.0.0
本项目遵循[MIT]开源许可。