🚀 基础 MCP 应用
本项目是一个简单的应用程序，展示了如何利用 FastAPI 和 Gradio 实现模型上下文协议（MCP）的工作原理，避免了使用 Streamlit 可能带来的困扰。
🚀 快速开始
您需要准备的事项
- Python 3.11 或更高版本（若您还在使用 Python 2，那可得更新啦）
- pip 包管理器（或者更酷、更快的
uv） - 耐心（可选但强烈推荐，就像了解 RCB 一样）
设置步骤
- 克隆仓库：
git clone https://github.com/your-repository.git
cd basic-mcp-app
- 安装依赖项：
pip install -r requirements.txt
- 启动后端服务器：
python backend/main.py
- 启动 Gradio 前端界面：
python frontend/app.py
✨ 主要特性
- 使用 Semantic Scholar 搜索科学论文（告别主流的 Google 学术）
- 论文分析工具（虽不能保证百分百，但也有 60% 的成功率）
- 简单的聊天界面（对用户友好，对开发者却是挑战）
- 易于安装的过程（若您有攀登珠峰的经历，这简直小菜一碟）
📦 安装指南
此项目非常适合搭配 uv 使用，它是一款超快速的 Python 包安装工具。与 pip 相比，uv 能在几秒钟内完成依赖项的安装，推荐使用以获得更流畅的体验。
📚 详细文档
项目概述
本项目演示了一个基本的 MCP 服务器，配备 Gradio 前端界面。用户可通过这一“简单界面”与 AI 模型进行聊天。
技术栈
- 后端：FastAPI + MCP Python SDK（就像美味的披萨，而不是奇怪的菠萝披萨）
- 前端：Gradio（漂亮的按钮能让多巴胺快速释放）
- AI 集成：Google Gemini API（不是占星术符号，而是强大的人工智能）
项目结构
Basic MCP App
├── backend/
│ └── main.py # 后端服务器代码，包含 MCP（真正的魔法发生的地方）
└── frontend/
└── app.py # Gradio 前端界面（漂亮的按钮都在这里）
🔧 技术细节
已知问题
⚠️ 重要提示
- 引文工具目前无法正常工作，在尝试分析论文引文或使用某些高级搜索功能时可能会出错。开发者正在努力修复，但具体修复时间未知。
- Semantic Scholar API 存在速率限制，可能导致搜索功能有时返回错误消息。遇到这种情况，可稍作休息后再试。
提升您的设置速度
推荐使用 uv 这一超快速的 Python 包安装工具，以替代耗时的 pip，从而在几秒钟内完成依赖项的安装。
📄 许可证
本项目采用 MIT 许可证，开发者十分慷慨，不想让大家阅读冗长的许可协议。
致谢
- Anthropic 为 MCP 提供支持 — https://www.anthropic.com/news/model-context-protocol
- https://modelcontextprotocol.io/introduction
- Claude 对 DEMO 进行了部分调整，虽未完全完成，但仍表示感谢 🤏