Talk to MCP

MCP语言集成教程

本教程演示了如何将模型上下文协议（MCP）服务器与Langgraph代理集成，以创建功能强大、支持工具的AI应用程序。该项目展示了一个名为Scout的数据科学助理，可以帮助用户使用各种MCP驱动的工具管理他们的数据科学项目。

概述

该项目实现了一个会话式AI代理，该代理：

• 使用GPT-4.1作为基础模型
• 与多个MCP服务器集成，以实现不同的功能
• 使用Langgraph来编排对话流
• 为实时响应提供流式接口

先决条件

• Python 3.13+
• Node.js（用于文件系统MCP服务器）
• Docker（适用于GitHub MCP服务器）
• UV包管理器
• OpenAI API密钥

项目结构

scout/
├── graph.py           # Langgraph agent implementation
├── client.py          # MCP client and streaming interface
├── client_utils.py    # Utility functions
├── main.py           # Entry point
└── my_mcp/           # MCP server configurations
    ├── config.py     # Config loading and env var resolution
    ├── mcp_config.json # MCP server definitions
    └── local_servers/ # Custom MCP server implementations

设置

1. 克隆存储库：

git clone 
cd mcp-intro

1. 创建并激活虚拟环境：

python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

1. 安装依赖项：

uv pip install -e .

1. 设置环境变量：

创建一个 .env 文件包含：

OPENAI_API_KEY=your_openai_api_key
MCP_FILESYSTEM_DIR=/path/to/projects/directory
MCP_GITHUB_PAT=your_github_personal_access_token

MCP服务器

该项目与四台MCP服务器集成：

1. 数据流服务器：数据加载和查询的自定义实现
2. 文件系统服务器：用途 @modelcontextprotocol/server-filesystem 用于文件操作
3. Git服务器：用途 mcp-server-git 用于本地git操作
4. GitHub服务器：使用官方GitHub MCP服务器进行GitHub操作

用法

1. 启动应用程序：

python -m scout.client

1. 通过键入您的问题或请求与Scout互动。例如：

USER: Can you help me set up a new data science project?

1. Scout将使用其工具：

• 创建和管理项目目录
• 处理数据加载和转换
• 管理版本控制
• 与GitHub存储库交互

1. 键入“quit”或“exit”结束会话。

运作原理

1. 这 graph.py 文件定义了Langgraph代理结构：

• 设置系统提示和代理状态
• 配置LLM（GPT-4）
• 定义对话流图

1. 这 client.py 文件：

• 使用多个服务器初始化MCP客户端
• 处理流媒体响应
• 管理交互式会话

1. MCP服务器提供以下工具：

• 文件系统操作
• 数据操作
• Git操作
• GitHub交互

扩展项目

您可以通过以下方式扩展此项目：

1. 在中添加新的MCP服务器 my_mcp/local_servers/
2. 在中修改系统提示 graph.py
3. 向代理添加新工具
4. 自定义对话流

贡献

欢迎投稿！请随时提交拉取请求。