项目介绍
技术文档摘要
MCP-Server
模型上下文协议
高级 MCP（模型上下文协议）服务器
该项目是一个有状态、安全、优化且可扩展的网关服务器，专为现代人工智能应用而设计。从零开始构建，该服务超越了简单的聊天机器人，融入了生产环境所需的专业工程实践。
关于项目
MCP 服务器旨在解决大型语言模型（LLM）最大的弱点之一：“记忆障碍”。通过为每个用户维护独立的对话上下文，它使 AI 能够建立一致且个性化的对话。
此仓库生动地展示了如何将一个想法逐步转化为专业服务：
- 设计： 设计了一个基于 RESTful API 原则的“契约”。
- 开发： 使用 FastAPI 构建了一个异步 Web 服务器，并使用 Redis 构建了一个快速内存层。
- 打包： 应用程序已打包成一个便携式容器，可以使用 Docker 在任何地方运行。
- 分发： 通过单个命令在 Google Cloud Run 等无服务器平台上启动。
- 自动化： 通过使用 GitHub Actions 建立 CI/CD 流水线，每次代码更改都会自动分发。
- 管理： 添加了对生产环境至关重要的功能，如可追溯性、安全性及成本优化。
特色功能
- 带有情境信息的对话： 使用 Redis 为每个用户管理独立且持久的聊天历史记录。
- 现代 API： 使用 FastAPI 开发的高性能异步 RESTful API。
- 自动文档： 从代码中自动生成交互式的 Swagger/OpenAPI 文档。
- 容器化： 使用 Docker 打包，提供便携且一致的分发选项。
- 无服务器兼容： 可以轻松在 Google Cloud Run 等平台上运行。
- CI/CD 自动化： 通过 GitHub Actions 实现
git push后的自动分发。 - 安全措施： 包括速率限制和基本提示注入防御。
- 成本优化： 通过智能缓存防止不必要的 API 调用。
- 可观测性： 与 Google Cloud Logging 集成，进行结构化日志记录。
- Codespaces 集成： 单击即可访问云端全结构化开发环境。
架构
应用程序基于网关架构。接收用户的请求，从 Redis 获取相关的记忆/上下文信息，生成富含这些信息的提示并发送到 OpenAI 等 LLM 服务，然后更新记忆后返回响应给用户。
快速访问模块和课程
- 模块 1 课程 1 : 无状态 API
- 模块 1 课程 2 : 网关架构
- 模块 2 课程 1 : RESTful 原则，Swagger UI
- 模块 2 课程 2 : Redis 登录
- 模块 2 课程 3 连接存储，FastAPI 和 Redis，有状态
- 模块 2 课程 4 LLM 链接和 /chat
- 模块 3 课程 1 激活 Docker 结构
- 模块 3 课程 2 在本地实践中使用开源 LLM
- 模块 3 课程 3 : 建立 CI/CD 循环
- 模块 5 课程 3 : 提示注入和 SlowAPI
- 模块 5 课程 4 : 内容总结技巧
开始：使用 GitHub Codespaces 安装和运行
本项目完全设计用于在 GitHub Codespaces 上工作，无需本地安装。
先决条件
- GitHub 账户： 可以使用 Codespaces 功能的 GitHub 账户。
- OpenAI API 密钥： 从 OpenAI 获取的有效 API 密钥，以
sk-...开头。
分步安装
1. 将此仓库复制到您的账户
点击右上角的 Fork 按钮，在您的账户中创建一份副本。
2. 配置您的 OpenAI API 密钥
您的 API 密钥是项目的最重要秘密，应妥善保管。
- 转到您分叉仓库的主页。
- 路径为
设置>机密和变量>Codespaces。 - 点击
新建仓库机密按钮。 - 名称：
OPENAI_API_KEY - 值：
sk-...输入您的 OpenAI API 密钥。 - 点击
添加机密记录。
启动 Codespace
- 返回到您的仓库主页。
- 点击绿色的
<> Code按钮。 - 转到
Codespaces标签页。 - 点击
在主分支上创建 codespace按钮。
等待 4 秒
GitHub 将为您提供云中的开发环境。借助 .devcontainer 的配置，所有安装（包括 Python 库）都将自动完成。
5. 启动服务
当环境准备好时，在 VS Code 的 TERMINAL 中打开并按顺序运行以下代码单元格。
项目文件结构
完成的项目具有以下文件结构：
<pre> ├── .devcontainer/ │ ├── devcontainer.json │ └── post-create.sh ├── .github/workflows/ │ └── deploy.yml ├── api/ │ └── v1/ │ └── endpoints/ │ └── sessions.py ├── core/ │ └── config.py ├── schemas/ │ └── session_schema.py ├── services/ │ ├── openai_service.py │ └── redis_service.py ├── .dockerignore ├── Dockerfile ├── main.py ├── README.md └── requirements.txt </pre> <pre> # 首先，让我们以 Docker 容器的形式启动 Redis 数据库。 # 此命令将在后台继续运行。 echo "正在启动 Redis 容器..." docker run --name mcp-redis -p 6379:6379 -d redis echo "Redis 已启动。您可以使用 'docker ps' 命令进行检查。" </pre> <pre> # 现在，让我们使用 uvicorn 启动我们的 FastAPI 应用程序。 # 此命令将继续运行并占用终端。 # 您可以通过此终端跟踪应用程序的日志。 echo "正在启动 FastAPI 服务器... ([http://127.0.0.1:8000](http://127.0.0.1:8000))" uvicorn main:app --host 0.0.0.0 --port 8000 --reload </pre>6. 访问和测试您的应用程序
当 uvicorn 命令运行时，Codespaces 的右下角会显示端口 8000 可用的通知。
- 在 VS Code 中转到
PORTS标签页（通常位于终端旁边）。 - 查找端口“8000”的“转发地址”URL。此 URL 将以
https://...app.github.dev形式出现。 - 现在，您可以通过这个通用 URL 访问您的应用程序！
API 使用和测试
您可以通过运行以下代码单元格来测试您的实时服务。首先从上方单元格获取重定向的 URL 并将其分配给 URL 变量。