MCP学习模拟项目
该项目是对 模型上下文协议（MCP） 使用Python。它演示了如何构建一个公开工具的MCP服务器，以及一个连接到服务器并使用LLM与这些工具交互的MCP客户端。
特性
- 标准MCP服务器(
server.py)：使用核心mcp.server.Server类通过提供三个简单的工具stdio运输：
- get_weather：给定位置的模拟天气数据。 - add_note：将文字注释保存到本地 notes_db 目录。 - list_notes：列出所有已保存的笔记。
- MCP客户端(
client.py)：通过以下方式连接到服务器stdio，初始化会话并获取工具。它将MCP工具转换为OpenAI工具格式，并使用OpenRouter API与LLM通信。 - 模型回退：客户端利用OpenRouter的模型路由/回退功能（通过
extra_body参数）以确保高可用性，如果主模型速率受限或不可用，则优雅地降级。 - JSON-RPC拦截(
wrapper_server.py)：一个包装器脚本，将服务器作为子进程运行，将客户端和服务器之间的原始底层JSON-RPC通信回显到控制台(stderr)用于学习和调试目的。 - 自动验证(
test_server.py)：一个测试脚本，用于验证服务器的工具，而不需要LLM，包括在add_note工具。
先决条件
- Python 3.10+
- 在您的环境中定义的所需Python包（例如。，
mcp,pydantic,openai,python-dotenv).
通过创建 .env 根目录中的文件：
OPENROUTER_API_KEY="your_openrouter_api_key_here"运行应用程序
- 激活您的虚拟环境 （如果使用一个）：
.\.venv\Scripts\activate- 运行MCP客户端:
python client.py客户端将初始化，连接到服务器（通过包装器），并将您放入聊天提示中。你可以问它这样的问题：
- *“巴黎的天气怎么样？”* - *“你能留张纸条提醒我喝水吗？”* - *“列出我的笔记。”*
类型 exit 或 quit 以停止会话。
架构和通信流程
- 用户运行
client.py. - 客户端生成
wrapper_server.py作为一个子流程。 - 包装纸发芽了
server.py作为其子流程，并开始拦截标准输入和输出流。 - 客户使用
stdio_client通过其发送JSON-RPC请求stdout. - 包装器将这些请求打印到控制台（供您查看）并将其转发到服务器。
- 服务器处理请求（例如，执行工具），格式化响应，并通过其
stdout. - 包装器拦截响应，打印它，并将其转发回客户端。
- 客户端接收响应，并通过OpenRouter将上下文交还给LLM。
自动化测试
要在不影响LLM API的情况下运行自动服务器工具检查，请执行以下操作：
python test_server.py此测试工具是否存在、基本I/O和净化/安全措施。