mcp-server-template-python

一个非常简单的Python模板，用于使用可流式传输的HTTP传输构建MCP服务器。

概述

此模板提供了一个基础，用于创建可以与AI助手和其他MCP客户端通信的MCP服务器。它包括一个简单的HTTP服务器实现，以及示例工具、资源和提示，帮助您开始构建自己的MCP集成。

部署

使用以下按钮克隆仓库并将服务器直接部署到Alpic

先决条件

• 安装uv (https://docs.astral.sh/uv/getting-started/installation/)

安装

1. 克隆仓库：

git clone git@github.com:alpic-ai/mcp-server-template-python.git
cd mcp-server-template-python

2. 安装Python版本及依赖项：

uv python install
uv sync --locked

使用方法

在3000端口启动服务器：

uv run main.py

运行检查器

要求

• Node.js: ^22.7.5

快速开始（UI模式）

要立即通过UI运行，请执行以下操作：

npx @modelcontextprotocol/inspector

检查器服务器将启动，并且UI将在http://localhost:6274可用。

您可以通过选择以下内容来测试您的本地服务器：

• 传输类型：可流式传输的HTTP
• URL：http://127.0.0.1:3000/mcp

开发

添加新工具

要添加新工具，请修改main.py：

@mcp.tool(
    title="您的工具名称",
    description="LLM的工具描述",
)
async def new_tool(
    tool_param1: str = Field(description="参数1的LLM描述"),
    tool_param2: float = Field(description="参数2的LLM描述")
) -> str:
    """新工具的基础方法"""
    result = await some_api_call(tool_param1, tool_param2)
    return result

添加新资源

要添加新资源，请修改main.py：

@mcp.resource(
    uri="your-scheme://{param1}/{param2}",
    description="此资源提供的描述",
    name="您的资源名称",
)
def your_resource(param1: str, param2: str) -> str:
    """资源模板实现"""
    # 您的资源逻辑在此处
    return f"为{param1}和{param2}的资源内容"

URI模板使用{param_name}语法定义将从资源URI中提取并传递给您的函数的参数。

添加新提示

要添加新提示，请修改main.py：

@mcp.prompt("")
async def your_prompt(
    prompt_param: str = Field(description="用户参数的描述")
) -> str:
    """生成有用的提示"""

    return f"您是一个友好的助手，帮助用户并且不要忘记{prompt_param}。"