MCP Agent Demo: 你的第一个 MCP Agent

• 项目地址 : MCP Agent

🔥 项目简介

本项目是一个基于 Model Context Protocol (MCP) 的简单 Agent 示例，用于演示 MCP Host 的基本功能。

它基于 DIY-your-AI-agent 项目中 MCP Host 端 Agent 的实现方式，旨在帮助你快速理解和上手 MCP 应用开发。

🚀 快速开始

1️⃣ 环境准备

确保你已安装 Python 3.7+。然后，安装必要的库：

pip install openai rich fastmcp

• openai: 用于与 LLM API 交互。
• rich: 用于在终端显示富文本。
• fastmcp: MCP 的 Python 实现库。

2️⃣ 配置 API

编辑 agent.py 文件，填入你的配置信息：

API_CONFIG = {
   "url": "YOUR_LLM_API_BASE_URL",          # 替换为你的 LLM API 基础 URL
   "api_key": "YOUR_LLM_API_KEY",           # 替换为你的 LLM API 密钥
   "model": "Qwen/Qwen2.5-7B-Instruct",     # 指定要使用的 LLM 模型
   "MCP_Server": "http://127.0.0.1:8000/sse" # 你的 MCP 服务器地址 (如果使用本地 server.py)
}

注意: MCP_Server 地址需要与下一步运行的 MCP Server 匹配。

3️⃣ 运行 MCP Server

此 Demo 包含一个简单的 MCP Server 实现，用于演示。在终端中运行：

通信方式：Server-Sent Events (SSE)

$ python ./mcp_demo/server.py

你会看到类似以下的输出，表示服务器已成功启动：

[04/27/25 12:00:00] INFO     Starting server "Demo"...                                                                                                                 server.py:262
INFO:     Started server process [21112]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

4️⃣ 运行 Agent

在另一个终端窗口中，运行 Agent 脚本：

$ python agent.py

现在，Agent 会连接到 MCP Server，并通过它与 LLM 进行交互。