MCP客户端Python
MCP（Model Context Protocol）客户机是用Python开发的，它集成了带有FastaAPI的后端API和带有StreamLit的交互式前端。该项目允许连接到MCP服务器并通过直观的Web界面运行工具。
📋 描述
MCP客户端Python是一个完整的应用程序，可以促进与MCP服务器的交互。提供：
- 后端API：REST API使用FASTAPI构建，用于管理MCP连接和运行工具
- 前端交互：使用StreamLit构建的聊天界面，用于与MCP客户端交互
- 对话管理：存储和检索对话记录
- 多工具支持：能够连接到多个MCP服务器并使用其工具
🏗️ 项目结构
mcp-client-py/
├── api/ # Backend FastAPI
│ ├── main.py # Punto de entrada de la API
│ ├── mcp_client.py # Cliente MCP principal
│ ├── conversations/ # Gestión de conversaciones
│ ├── utils/ # Utilidades (logger, etc.)
│ └── .env # Variables de entorno (API keys)
├── front/ # Frontend Streamlit
│ ├── main.py # Punto de entrada de Streamlit
│ ├── chatbot.py # Lógica del chatbot
│ └── utils/ # Utilidades del frontend
├── pyproject.toml # Configuración del proyecto y dependencias
├── uv.lock # Lock file de dependencias
└── README.md # Este archivo🔧 依赖性
该项目使用以下主要单位：
- 人类 （>=0.71.0）：用于与Claude交互的Anthropic SDK
- fastapi （>=0.119.1）：框架web后端
- 流明 （>=1.50.0）：前端交互框架
- 主控程序 （>=1.18.0）：Protocolo模型上下文协议
- fastmcp （>=2.12.4）：快速MCP工具
- python dotenv （>=1.1.1）：环境变量管理
- HTTPX （>=0.28.1）：异步HTTP客户端
- 美容组4 （>=4.14.2）：解析HTML
📦 软件包管理器
该项目使用 紫外线 作为包管理器，它比PIP更快、更有效。确保您的系统中安装了紫外线。
感谢UV！
# En Windows (usando pip)
pip install uv
# O descargar desde https://github.com/astral-sh/uv⚙️ 配置
环境变量
该项目需要一个文件 .env 在文件夹中 api/ 要存储所需的API密钥：
# api/.env
ANTHROPIC_API_KEY=tu_api_key_aqui重要：从不提交文件 .env 到您的存储库。包含在 .gitignore.
🚀 安装和执行
1.克隆存储库
git clone https://github.com/tu-usuario/mcp-client-py.git
cd mcp-client-py2.安装依赖项
# Usando uv (recomendado)
uv sync
# O usando pip
pip install -e .3.配置环境变量
创建新文件 .env 在文件夹中 api/:
# api/.env
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxxxxxxxxxxx4.运行后端API
# Desde la raíz del proyecto
uvicorn api.main:app --reloadAPI将在 http://localhost:8000
互动文档： http://localhost:8000/docs
5.运行Frontend StreamLit（在另一个终端上）
# Desde la raíz del proyecto
streamlit run front/main.py前端将在 http://localhost:8501
📡 运作
执行流程
- 用户与StreamLit交互：用户在StreamLit界面上键入消息
- 发送到API：前端通过HTTP向后端API发送消息
- MCP处理：API使用MCP客户端处理消息
- 执行工具：如有必要，运行MCP服务器工具
- 回答：API将响应返回到前端
- 可视化：StreamLit显示用户的响应
主要成分
后端（api/mcp_client.py）
- MCP客户端：管理与MCP服务器连接的主类
- 关键方法：
- connect_to_server()：连接到MCP服务器 - call_tool()：运行服务器工具 - chat()：处理消息并生成响应
前端（front/chatbot.py）
- 聊天机器人：管理用户界面的类
- 关键方法：
- display_message()：在界面上显示消息 - send_message()：向API发送消息 - 管理工具和结果
API（API/main.py）
- 端点fastapi：
- 连接到MCP服务器 - 发送消息 - 恢复对话记录 - 运行工具
🔌 API的终点
连接到MCP服务器
POST /connect
Body: {
"server_script_path": "/ruta/al/servidor-mcp.py"
}发送消息
POST /chat
Body: {
"message": "Tu mensaje aquí",
"conversation_id": "id_conversacion_opcional"
}获取历史记录
GET /conversations/{conversation_id}📝 使用示例
- 启动API：
uvicorn api.main:app --reload- 在另一个终端上，StreamLit启动：
streamlit run front/main.py- 打开
http://localhost:8501在你的浏览器中
- 通过提供脚本路径连接到MCP服务器
- 开始通过输入信息进行互动
🛠️ 发展
配置文件结构
pyproject.toml：定义项目的名称、版本、依赖关系和配置uv.lock：确保依赖关系一致版本的锁文件.python-version：指定所需的Python版本（>=3.11）
添加新的依赖项
# Agregar una nueva dependencia
uv add nombre_paquete
# Agregar una dependencia de desarrollo
uv add --dev nombre_paquete📚 有用的资源
📄 许可证
这个项目是在麻省理工学院的许可下进行的。
👤 作者
在Python中作为MCP客户端开发。
🤝 贡献
欢迎捐款。请打开一个问题或拉动请求以获得建议和改进。