🤖 构建MCP服务器和客户端——Ashu Mishra
MCP（模型上下文协议）服务器、客户端和人工智能驱动的应用程序的实践集合——为想要赋予人工智能模型现实世界超能力的人工智能产品管理学生和开发人员从头开始构建。
______________________________________________________________________
🧠 什么是MCP？
模型上下文协议（MCP） 是一个开放标准，允许您将Claude等AI模型连接到外部工具、数据源和服务。
这样想：
Claude (Brain) + MCP Server (Hands) = Claude that can actually DO things而不是克劳德 *说话* 关于运行命令、获取数据或搜索作业——使用MCP服务器，它实际上可以 做吧.
______________________________________________________________________
📂 仓库结构
Building_MCP_Server_and_Client/
│
├── README.md ← You are here
│
├── Theory of MCP/ ← Start here! Understand MCP first
│ ├── README.md
│ └── MCP_Comprehensive_Summary.md ← Full theory document
│
├── First MCP Terminal Server/ ← Project 1: Your first MCP server
│ ├── README.md ← Step-by-step guide
│ └── main.py ← Server code
│
├── MCP Client (React & Electron)/ ← Project 2: Web & desktop MCP client
│ └── README.md
│
├── Weather-mcp/ ← Project 3: Weather MCP server
│ ├── main.py ← MCP server entry point
│ ├── tools/ ← Weather tool definitions
│ ├── pyproject.toml
│ └── README.md
│
└── Job_Recommender_App/ ← Project 4: Full AI-powered application
├── app.py ← Streamlit web app
├── mcp_server.py ← FastMCP server for job search
├── src/
│ ├── helper.py ← PDF reader + GPT + WeasyPrint
│ ├── job_api.py ← Apify LinkedIn + Naukri scrapers
│ └── database.py ← Supabase + SQLite persistence
├── resume_template.html ← HTML template for tailored resumes
├── requirements.txt
└── video_guide/
└── Step_By_Step_Creation_Guide.md ← Full coding guide______________________________________________________________________
🗂️ 项目概述
|#|项目|功能|类型| |:--|:--------|:-------------|:-----| | 1 | MCP理论 |了解MCP是什么，它为什么存在，以及它是如何工作的|📖 理论| | 2 | 第一台MCP终端服务器 |构建一个让Claude运行真实终端命令的服务器|🛠️ 初学者| | 3 | [MCP客户端——React&Electron]() |适用于任何MCP服务器的现代web和桌面界面|🛠️ 中级| | 4 | 气象MCP服务器 |作为Claude工具获取实时天气数据的MCP服务器|🛠️ 中级| | 5 | AI工作推荐应用程序 |全栈AI应用程序——简历分析、职位抓取、简历定制|🚀 高级|
______________________________________________________________________
🚀 项目5--人工智能工作推荐应用程序（特色）
此仓库中最完整的项目。使用构建的生产级AI应用程序 谷歌反重力 即：
- 📄 阅读您的PDF简历 使用PyMuPDF
- 🧠 用GPT-4o-mini进行分析 --生成总结、技能差距和职业路线图
- 🔍 搜索实时工作 通过Apify网页抓取器在LinkedIn和Naukri上
- ✍️ 定制你的简历 使用GPT-4o进行任何职位描述
- 📥 下载PDF 通过WeasyPrint定制简历
- 🗄️ 缓存所有作业 使用SQLite作为本地回退到Supabase（云）
- 🔌 将求职作为MCP工具公开 通过FastMCP for AI代理
技术栈
Streamlit · OpenAI GPT-4o · Apify · Supabase · SQLite · WeasyPrint · FastMCP · PyMuPDF
📋 分步创建指南
想自己从头开始构建这个吗？完整的视频编码指南，包括AI提示、检查点和解释，请点击此处： 👉 Step_By_Step_Creation_Guide.md
______________________________________________________________________
🛤️ 推荐学习路径
如果您是MCP的新手，请按照以下顺序操作：
1. Theory of MCP → Understand the WHY and WHAT
↓
2. First MCP Terminal → Build your first server (beginner-friendly)
↓
3. Weather MCP Server → Add real data sources to your server
↓
4. MCP Client → Build a UI that talks to any MCP server
↓
5. Job Recommender App → Full production AI app with MCP inside______________________________________________________________________
🛠️ 通用要求
在开始任何项目之前，请确保您已经：
| 工具 | 版本 | 链接 |
|---|---|---|
| Python | 3.11+ | https://python.org |
| 克劳德桌面 | 最新 | https://claude.ai/download |
| VS代码或光标 | 最新 | https://cursor.sh |
| Git | 最新 | https://git-scm.com |
uv 包管理器 | 最新 | pip install uv |
______________________________________________________________________
🔑 跨项目使用的API
| API/服务 | 用于 | 获取地址 |
|---|---|---|
| OpenAI API | 工作推荐人 | https://platform.openai.com/api-keys |
| Apify | 职位推荐器 | https://apify.com |
| Supabase | 职位推荐人 | https://supabase.com |
| Streamlit Cloud | 作业推荐器（部署） | https://streamlit.io/cloud |
______________________________________________________________________
👨🏫 关于此仓库
作为A的一部分建造 人工智能产品管理课程 通过 阿舒·米什拉 --高级AI/ML产品经理，在金融科技、电子商务和人工智能驱动产品领域拥有7年以上的经验。
每个项目都旨在：
- ✅ 初学者友好，有简单的英语解释
- ✅ 与Mac和Windows兼容
- ✅ 可视化——带有图表和架构分解
- ✅ 实用——真正的工具、真正的API、真正的部署
______________________________________________________________________
📬 连接
- github： @ashumishra2104
______________________________________________________________________
*⭐ 如果你觉得这个仓库有帮助，就把它标上——它可以帮助其他学生发现它！*