MCP-Server 项目文档

项目概述

MCP-Server 是一个基于 Model Context Protocol (MCP) 的服务端和客户端实现，允许大语言模型（LLM）通过结构化协议调用外部工具完成复杂任务。项目主要包含两部分：MCP服务端和TypeScript实现的客户端。

系统架构

┌───────────────┐     ┌───────────────┐     ┌───────────────┐
│   前端应用    │────▶│  MCP 客户端   │────▶│  MCP 服务端   │
└───────────────┘     └───────────────┘     └───────────────┘
        △                    │                     │
        │                    ▼                     ▼
        │           ┌───────────────┐     ┌───────────────┐
        └───────────│  大语言模型   │     │  外部服务 API │
                    │  (Deepseek)   │     │ (天气、GitHub)│
                    └───────────────┘     └───────────────┘

核心组件

1. MCP 服务端

服务端是工具的提供者，负责注册和执行各种工具。

主要功能：

• 工具注册：目前已实现天气预报查询和GitHub用户信息查询工具
• 工具执行：接收客户端请求，执行相应工具并返回结果
• 通信：通过标准输入输出(stdio)与客户端通信

2. MCP 客户端

客户端连接大语言模型API和MCP服务端，负责处理用户查询并协调模型调用和工具调用。

主要功能：

• 连接MCP服务端并获取可用工具列表
• 与大语言模型API通信（默认使用Deepseek）
• 解析模型输出中的工具调用请求
• 协调工具调用流程并汇总结果
• 提供命令行交互界面
• 提供基于Express的Web API

3. Web API

客户端提供了HTTP接口供前端应用调用，支持流式输出和过程可视化。

主要端点：

• /sse: 处理前端查询请求，返回包含思考过程和结果的流式响应

白盒过程可视化

客户端实现了白盒过程展示，让用户可以看到：

1. 意图识别过程
2. 工具选择过程
3. 工具调用参数和结果
4. 最终答案生成过程

技术栈

• 后端：Node.js、TypeScript
• 框架：Express
• 大语言模型：Deepseek (通过OpenAI兼容API)
• 通信协议：Model Context Protocol
• SDK：@modelcontextprotocol/sdk

使用方法

1. 启动服务端：

node dist/src/index.js

2. 启动客户端并连接到服务端：

node dist/mcp-client-typescript/src/index.js /path/to/server/script.js

3. 访问Web API：

POST http://localhost:3000/sse
Content-Type: application/json

{
  "query": "北京今天的天气怎么样？"
}

配置要求

需要在.env文件中设置以下环境变量：

• LLM_API_KEY: Deepseek API密钥
• GAODE_KEY: 高德地图API密钥（用于天气查询）

工作流程

1. 用户发送查询到客户端
2. 客户端将查询发送给大语言模型
3. 大语言模型分析查询并决定是否需要调用工具
4. 如需调用工具，客户端通过MCP协议向服务端发送请求
5. 服务端执行工具并返回结果
6. 客户端将工具结果再次发送给大语言模型生成最终回答
7. 将回答返回给用户

结语

MCP-Server项目提供了一个完整的大语言模型工具调用示例实现，展示了如何通过结构化协议让模型访问外部工具和服务，增强模型的能力边界。通过白盒过程可视化，用户可以更好地理解模型的思考过程和工具调用逻辑。