MCP client with streamlit

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-py

2.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-xxxxxxxxxxxxxxxxxxxxx

4.运行后端API

# Desde la raíz del proyecto
uvicorn api.main:app --reload

API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

1. 用户与StreamLit交互：用户在StreamLit界面上键入消息
2. 发送到API：前端通过HTTP向后端API发送消息
3. MCP处理：API使用MCP客户端处理消息
4. 执行工具：如有必要，运行MCP服务器工具
5. 回答：API将响应返回到前端
6. 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

1. 启动API：

uvicorn api.main:app --reload

1. 在另一个终端上，StreamLit启动：

streamlit run front/main.py

1. 打开 http://localhost:8501 在你的浏览器中

1. 通过提供脚本路径连接到MCP服务器

1. 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

• MCP文件
• FastAPI文档
• 简化文档
• Anthropic Python SDK
• uv包管理器

📄 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。