Token导航 LogoToken导航

MCP Server · AI代理

MCP Client Backend

一个集成Google Gemini API和MCP(模型上下文协议)工具调用的AI代理后端服务器,能够根据用户的自然语言请求自动选择和执行适当的MCP工具,并以日语返回结果。

stdio官方级别未说明来源级核验工具 0
AI代理PythonVS Code

快速开始

作者 / 组织
furusho-tsu
提供方
furusho-tsu
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

MCP Client Backend 属于AI代理类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 VS Code,有可以直接复制的安装命令;接入前先确认权限范围。

分类

AI代理

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

uv run fastapi dev server.py

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

mcp客户端后端

Gemini API + MCP (Model Context Protocol) 集成工具调用AI 代理后端服务器。

📖 概要

此项目包括:Google Gemini API 和MCP 使服务器协同工作,以满足用户的自然语言请求MCP 自动选择和运行工具并返回结果FastAPI 是基本的后端。

主要特征

  • 🤖 智能工具选择: Gemini API 分析用户的要求MCP 自动选择工具
  • 🔄 重复执行:如果搜索结果为0,则尝试使用其他关键字自动重新搜索
  • 🔍 多关键字搜索:从一个请求中提取多个相关关键字,分别搜索
  • 📊 自动获取详细信息:自动获取补贴详细信息(如果有搜索结果)
  • 🌐 通用设计:支持不同领域的补贴搜索

主要用途

  • 搜索补贴MCP 服务器协作)
  • 其他MCP 利用工具的信息取得·处理

🏗️ 系统体系结构

┌─────────────┐
│   Client    │ (Flutter / curl / フロントエンド)
└──────┬──────┘
       │ HTTP POST /chat
       ▼
┌─────────────────────────────────────┐
│         FastAPI Server              │
│  (server.py)                        │
│  - /healthz: ヘルスチェック        │
│  - /tools: ツール一覧取得           │
│  - /chat: メインエンドポイント      │
└──────┬──────────────────────────────┘
       │
       ▼
┌─────────────────────────────────────┐
│           Agent                      │
│  (mcp_agent/agent.py)                │
│  統括・統合処理                      │
│  ┌─────────────────────────────┐   │
│  │ 反復的な実行ループ            │   │
│  │ 1. 計画生成                   │   │
│  │ 2. ツール実行                 │   │
│  │ 3. 結果評価                   │   │
│  │ 4. 必要に応じて再実行         │   │
│  └─────────────────────────────┘   │
└───┬─────────────────────────────────┘
    │
    ├─► ConnectionManager ──► MCP Server (Jグランツ等)
    │   (ツール一覧取得・ツール実行)
    │
    ├─► TaskManager ──► Gemini API
    │   (実行計画生成・前回結果を考慮)
    │
    ├─► TaskExecutor ──► MCP Server
    │   (ツール実行・結果収集)
    │
    └─► Gemini API
        (最終回答生成)

🔄 处理流程(详细信息)

1.请求接收

用户以自然语言发送问题

POST /chat
{
  "message": "東京都のITツール導入補助金を探してください"
}

2.重复执行循环

代理最多重复5次以下循环:

while iteration 
cd mcp-client-backend
  1. 安装依赖关系
uv sync
  1. 设置环境变量

.env 创建文件并设置:

GOOGLE_API_KEY=your_google_api_key_here
GEMINI_MODEL=gemini-2.5-flash
JGRANTS_MCP_URL=https://your-jgrants-mcp-server-url
  1. 启动服务器
uv run fastapi dev server.py

服务器是 http://127.0.0.1:8000 中所述修改相应参数的值。

📝 API 使用例

健康检查

curl http://127.0.0.1:8000/healthz

工具列表检索

curl http://127.0.0.1:8000/tools

聊天(基本补贴搜索)

curl -X POST http://127.0.0.1:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"東京都でテレワーク関連の補助金を探してください"}'

聊天(包括多个请求)

curl -X POST http://127.0.0.1:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"まず、このjGrants MCPサーバーが正常に動作しているかどうかを確認し、その結果を簡潔に教えてください。そのうえで、東京都に所在する中小企業を対象とした、ITツール導入やDX推進を支援する補助金を検索してください。検索に成功した場合は、見つかった補助金の名称、最大補助額、申請期限、対象業種や従業員数などを整理して説明してください"}'

聊天(期望获取更多信息)

curl -X POST http://127.0.0.1:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"東京都の中小企業向けITツール導入補助金を検索し、見つかった補助金の詳細(対象業種、申請要件、補助率など)を詳しく教えてください"}'

💡 系统特点及改进

重复执行循环

在以前的系统中,通过一次计划生成决定了全部的工具调用,但是在本系统中查看结果后再决定下一步中描述的场景,使用以下步骤创建明细表,以便在概念设计中分析体量的体积。

优点:

  • 如果搜索结果为0,则自动用其他关键字重新搜索
  • 如果有搜索结果,则自动获取详细信息
  • 更加灵活、适应性的动作

多关键字搜索

从用户的请求中提取多个相关关键字,分别单独搜索来修改标记元素的显示属性。

例:

  • 要求:“DX推进”
  • 搜索关键字:

- 「IT工具部署” - 「DX推进」 - 「IT导入」 - 「DX」 - 数字化

通用提示设计

特定用例(例如:IT/DX相关),采用通用的提示设计。

特徴:

  • 支持不同领域的补贴搜索
  • 自动化关键字提取和搜索策略
  • 正确判断参数的必要/任意

考虑上次结果的计划生成

在执行迭代时,考虑上次执行的结果,生成以下计划:。

例:

  • 第1次:通过“IT工具导入”检索→0件
  • 第2次:看上次的结果,用“系统”重新检索→3件
  • 第3次:获取找到的补贴的详细信息

🔧 技术栈

  • Web 框架结构:FastAPI
  • LLM:谷歌Gemini API(Gemini-2.5闪存)
  • 协议:MCP(模型上下文协议)
  • HTTP 客户机:httpx
  • 设定管理:python dotenv
  • 数据验证:Pydantic
  • 包管理器:紫外线

🧪 测试

test_queries_individual.sh 准备了各种各样的测试用例。

# 個別のテストケースを実行
curl -X POST http://127.0.0.1:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"東京都で農業や農林水産に関連する補助金を探してください"}'

🛠️ 开発

代码格式

Black 使用:

uv run black .

模具检查

Pylance(VS Code 扩张机能)を使用。.vscode/settings.json 中所述修改相应参数的值。

📚 相关资源

📄 许可证

(追加许可证信息)

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

AI代理Python本地部署自然语言处理工具自动化MCP协议补助金搜索

支持客户端

VS Code

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 VS Code 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
MCP Client Backend

MCP World · 本页

0stdio有1 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

MCP Client Backend 怎么安装?

公开资料给出的安装命令是 uv run fastapi dev server.py,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

MCP Client Backend 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

MCP Client Backend 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Client Backend 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Client Backend 支持哪些客户端?

公开资料标注支持 VS Code;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP