一个用于构建模型上下文协议(MCP)服务器的Python模板。此模板帮助您快速创建可以注册并暴露工具和提示供AI模型使用的服务器。
# 克隆仓库
git clone https://github.com/nisarg38/mcp-server-template-python.git my-mcp-server
cd my-mcp-server
# 开发模式安装
pip install -e ".[dev]"
# 使用Python运行
python -m src.main
# 或使用方便的CLI
mcp-server-template
访问您的MCP服务器:
mcp-server-template --transport stdio您会看到日志输出确认服务器成功运行。
使用这些命令行选项自定义您的服务器行为:
# 更改端口(默认:8080)
mcp-server-template --port 9000
# 启用调试模式以获取更详细的日志
mcp-server-template --debug
# 使用stdio传输而不是HTTP
m
mcp-server-template --transport stdio
# 设置日志级别(选项:debug, info, warning, error)
mcp-server-template --log-level debug
工具是AI模型可以调用的函数。要添加新工具:
src/main.py@mcp.tool() 装饰器的新函数:@mcp.tool()
def your_tool_name(param1: str, param2: int) -> Dict[str, Any]:
"""
您的工具描述 - 这将显示给AI。
参数:
param1: 第一个参数的描述
param2: 第二个参数的描述
返回值:
包含结果的字典
"""
# 您的工具逻辑在这里
return {"result": "your result"}
提示是AI模型可以访问的模板:
@mcp.prompt()
def your_prompt_name(param: str) -> str:
"""您的提示描述。"""
return f"""
您的格式化提示,插入了{param}。
使用此结构化提示模板。
"""
src/ # 源代码目录
├── main.py # 包含工具和提示的服务器入口点
├── config.py # 配置设置
├── utils/ # 工具函数
├── tools/ # 工具实现
└── resources/ # 资源定义
test/ # 测试目录
pyproject.toml # 包配置
Dockerfile # Docker支持
# 构建Docker镜像
docker build -t my-mcp-server .
# 运行容器
docker run -p 8080:8080 my-mcp-server
此模板设计用于与各种云平台良好配合:
# 安装开发依赖
pip install -e ".[dev]"
# 运行测试
pytest
# 格式化代码
black src test
isort src test
# 运行代码检查
flake8 src test
为AI开发者社区制作 ❤️