Fast MCP Project

FastMCP项目：ArxivExplorer

一个简单的模型上下文协议（MCP）服务器和客户端，用于探索ArXiv上最近的人工智能研究。本项目演示了如何构建和测试用于研究工具的自定义MCP服务器和客户端，重点是搜索、总结和报告ArXiv论文。

特性

• ArxivExplorer MCP服务器：提供：

- 人工智能研究主题建议资源 - 搜索ArXiv和总结论文的工具 - 通过最近的论文探索主题的提示模板

• MCP客户端：连接到服务器，列出可用的工具/资源/提示，获取主题，搜索ArXiv，总结论文，并演示提示用法。

需求

• Python 3.8+
• FastMCP 2.0
• Tavilly API密钥

安装依赖项：

pip install -r requirements.txt

______________________________________________________________________

设置

1.设置Tavilly API密钥

服务器需要Tavily API密钥。将其设置为环境变量：

在Linux/macOS上：

export TAVILY_API_KEY=your_tavily_api_key

在Windows（CMD）上：

set TAVILY_API_KEY=your_tavily_api_key

在Windows（PowerShell）上：

$env:TAVILY_API_KEY="your_tavily_api_key"

运行服务器

启动ArxivExplorer MCP服务器（默认：http://localhost:8000/mcp):

python server.py

您应该看到如下输出：

✅ ArxivExplorer server initialized.
✅ Resource 'resource://ai/arxiv_topics' registered.
✅ Tools 'Search Arxiv' and 'Summarize Paper' registered.
✅ Prompt 'explore_topic_prompt' registered.
🚀 Starting ArxivExplorer Server…
   (Server runs at http://localhost:8000/mcp)

运行客户端

客户端连接到服务器，列出可用的工具/资源/提示，获取主题，搜索ArXiv，总结论文，并演示提示用法。

python client.py

您应该看到类似于以下内容的输出：

🚀 Connecting to FastMCP server at: http://localhost:8000/mcp

🔗 Testing server connectivity...
✅ Server is reachable!

🛠️  Available tools:
[ 'search_arxiv', 'summarize_paper' ]

📚 Available resources:
[ 'resource://ai/arxiv_topics' ]

💬 Available prompts:
[ 'explore_topic_prompt' ]

📖 Fetching resource: resource://ai/arxiv_topics
Today's AI topics:
  1. Transformer interpretability
  2. Efficient large-scale model training
  3. Federated learning privacy
  4. Neural network pruning

🔍 Testing tool: search_arxiv
  1. [Paper Title 1]
     [Paper URL 1]
  2. [Paper Title 2]
     [Paper URL 2]
  ...

📝 Testing tool: summarize_paper
Summary of first paper:
  [Summary text]

🚀 Testing prompt: explore_topic_prompt
Generated prompt:
SYSTEM: I want to explore recent work on 'Transformer interpretability'.
1. Call the 'Search Arxiv' tool to find the 5 most recent papers.
2. For each paper URL, call 'Summarize Paper' to extract its key contributions.
3. Combine all summaries into an overview report.

与游标MCP集成（MCP.json设置）

要在游标中使用本地MCP服务器，请在游标设置中配置MCP端点：

1. 在以下位置打开（或创建）文件 C:\Users\\.cursor\mcp.json （在Windows上）。
2. 添加以下内容：

{
  "ArxivExplorer": {
    "url": "http://127.0.0.1:8000/mcp/"
  }
}

1. 保存文件并重新启动Cursor（如果已打开）。

现在，Cursor将把MCP请求路由到您的本地服务器。如果需要，您可以通过向JSON添加更多键来添加更多端点。