demomcpwlocalllm

使用本地LLM演示MCP（客户端/服务器）

这是一个演示项目，展示了如何创建 MCP客户端 带着一个 本地法学硕士 Python和TypeScript。\ 它还演示了如何配置 MCP服务器 Python（使用FastAPI）和TypeScript。

工作流程如下：

1. MCP客户端向MCP服务器请求可用工具的列表。
2. 本地LLM根据给定的提示决定使用哪个工具。
3. 如果选择了一个工具，客户端将调用服务器上的工具并返回结果。

所有客户组合 {Python, TypeScript} 以及服务器 {Python, TypeScript} 支持。

______________________________________________________________________

目录

1. Ollama模型
2. MCP客户端

- python - TypeScript

1. MCP服务器

- Python和FastAPI - TypeScript

______________________________________________________________________

Ollama模型

对于演示，使用了一个小型、轻便的模型。\ 我选择了一个模型 以正确的数据类型返回工具参数 而不是作为字符串。

例如：

❌ 某些模型存在问题（例如。， llama3.2):

{"a":"4","b":"8"}

✅ 期望输出：

{"a":4,"b":8}

这避免了必须手动解析和转换参数值。

拉动模型（需要 观看):

ollama pull gwen3:1.7b

______________________________________________________________________

MCP客户端

确保MCP服务器在本地运行 http://localhost:8000/mcp.

对于演示，使用的提示是：

What is 45432542 plus 87468748?

python

cd client/py
pip install -r requirements.txt
python mcp_client.py

输出示例：

Available tools: ['root__get', 'add', 'multiply']
Tool: add
Args: {'a': 45432542, 'b': 87468748}
Tool output: {
  "operation": "add",
  "a": 45432542,
  "b": 87468748,
  "result": 132901290
}

TypeScript

cd client/ts
npm install
npm run start

输出示例：

Available tools: [ 'root__get', 'add', 'multiply' ]
Tool: add
Args: {"a":45432542,"b":87468748}
Tool output: {
  "operation": "add",
  "a": 45432542,
  "b": 87468748,
  "result": 132901290
}

______________________________________________________________________

MCP服务器

Python和FastAPI

此示例显示了如何将MCP端点添加到现有的FastAPI应用程序中。

cd server/py
pip install -r requirements.txt
python mcp_server.py

______________________________________________________________________

TypeScript

cd server/ts
npm install

首先启动数学API（运行于 http://localhost:3333):

npm run api

然后启动MCP服务器：

npm run mcp

在这种TypeScript方法中，需要手动定义工具。\ 目前，没有直接的等价物 FastAPI-MCP 在TypeScript生态系统中。