JinDaGe - MCP-Chinese-Getting-Started-Guide MCP Details

article

README

🚀 模型上下文协议（MCP）入门教程

本教程将详细指导您如何快速上手模型上下文协议（Model Context Protocol，简称MCP），并将其成功部署到云端。我们会涵盖从安装依赖、创建MCP服务，到最终完成云端部署的全流程，同时还会提供相关代码示例。

🚀 快速开始

安装依赖

在开始使用MCP之前，请确保您已经安装了以下依赖项：

Python 3.x
pip（用于管理Python包）
Node.js（可选，仅适用于前端开发）

您可以通过命令行工具运行以下命令来安装所需的Python包：

pip install mcp

创建MCP服务

简单MCP服务的创建

假设您已依据官方文档或示例代码完成了模型的封装工作。接下来，您可以使用以下代码创建一个简单的MCP服务：

# 模型上下文协议服务示例代码

from mcp.server import MCPModelService, Context

class MyModelService(MCPModelService):
    def __init__(self, context: Context):
        super().__init__(context)
        # 初始化模型或相关组件

    async def __call__(self, inputs):
        """输入处理函数"""
        pass

# 创建服务实例
if __name__ == '__main__':
    service = MyModelService(Context())
    service.run()

运行时配置

您需要在项目根目录下创建一个mcp.json文件，用于定义MCP服务的运行时配置：

{
  "model": {
    "name": "my-model",
    "version": "1.0.0",
    "description": "这是一个简单的模型上下文协议服务示例。",
    "author": "您的姓名或公司名称"
  },
  "server": {
    "port": 5000,
    "workers": 4
  }
}

部署到云端

云平台的选择

目前，MCP支持多种云平台的部署方式。本文将以阿里云函数计算（FC）为例进行详细说明。

函数计算服务的创建

您可以登录阿里云控制台，进入函数计算服务页面，按照以下步骤创建一个新的函数：

点击“创建函数”。
填写函数名称、选择运行环境（推荐选择“MCP运行时”）并完成其他配置。
上传您的代码和依赖项。

MCP服务的部署

在函数计算控制台中，进入您刚刚创建的函数页面，点击“部署”。

测试与验证

客户端测试

您可以使用以下Python代码测试您的MCP服务：

import asyncio
from mcp.client.sse import sse_client
from mcp import ClientSession


async def main():
    async with sse_client('https://mcp-test-whhergsbso.cn-hangzhou.fcapp.run/sse') as streams:
        async with ClientSession(*streams) as session:
            await session.initialize()

            res = await session.call_tool('web_search', {'query': '测试查询'})
            print(res)


if __name__ == '__main__':
    asyncio.run(main())

工具配置

在以下工具中，您可以通过添加MCP服务的上下文信息来完成配置：

VS Code：在launch.json文件中添加调试配置。
PyCharm：通过插件市场安装MCP支持插件。
Docker：使用预构建的镜像快速部署。

📚 详细文档

更新日志

2023年4月9日

新增“MCP运行时”选项，简化了函数计算服务的创建流程。
修复了一些已知问题并优化了性能表现。

更多详细信息，请参考MCP官方文档或访问GitHub仓库获取支持。

MCP-Chinese-Getting-Started-Guide