MCP REST API 和 CLI 客户端

一个简单的REST API和CLI客户端，用于与模型上下文协议（MCP）服务器进行交互。

主要特性

1. 兼容MCP的服务器

• 支持任何MCP兼容的服务器。
• 预配置的默认服务器：
  • SQLite（已提供带有示例产品数据的test.db）
  • Brave Search
• 可以在mcp-server-config.json文件中添加额外的MCP服务器。

2. 与LangChain集成

• 利用LangChain执行LLM提示。
• 使多个MCP服务器能够协作并同时响应特定查询。

3. LLM提供商支持

• 兼容任何支持具有函数能力API的LLM提供商。
• 示例：
  • OpenAI
  • Claude
  • Gemini
  • AWS Nova
  • Groq
  • Ollama
  • 只要它们提供基于函数的API，基本上所有LLM提供商都受到支持。更多详情请参阅langchain文档。

设置

1. 克隆仓库：

   git clone https://github.com/rakesh-eltropy/mcp-client.git
   

2. 导航到项目目录 克隆仓库后，移动到项目目录：

   cd mcp-client
   

3. 设置OPENAI_API_KEY环境变量：

   export OPENAI_API_KEY=your-openai-api-key
   

   您也可以在mcp-server-config.json文件中设置OPENAI_API_KEY。

   您还可以在mcp-server-config.json文件中设置provider和model。 例如：provider可以是ollama，model可以是llama3.2:3b。

4. 设置BRAVE_API_KEY环境变量：

   export BRAVE_API_KEY=your-brave-api-key
   

   您也可以在mcp-server-config.json文件中设置BRAVE_API_KEY。 您可以从Brave Search API获取免费的BRAVE_API_KEY。

5. 从CLI运行：

   uv run cli.py
   

   使用help选项来探索可用命令。您可以使用chat命令与LLM聊天。 示例提示：

     印度的首都是哪里？
   

     从数据库中查找最昂贵的产品，并从亚马逊找到更多关于它的信息？
   

6. 从REST API运行：

   uvicorn app:app --reload
   

   您可以使用以下curl命令与LLM聊天：

   curl -X POST -H "Content-Type: application/json" -d '{"message": "列出我本地数据库中的所有产品？"}' http://localhost:8000/chat
   

   您可以使用以下curl命令与LLM进行流式传输聊天：

   curl -X POST -H "Content-Type: application/json" -d '{"message": "列出我本地数据库中的所有产品？", "streaming": true}' http://localhost:8000/chat
   

贡献

欢迎提交问题和拉取请求以改进或修复错误。 </中文翻译>