🚀 MCP 服务器
MCP 服务器实现了模型上下文协议（MCP），为 AI 代理和大语言模型（LLM）提供了多种实用工具。这些工具涵盖了通过 SearXNG 驱动的网络搜索功能，以及安全可控的文件系统操作，有效提升了模型的应用能力。
🚀 快速开始
MCP 服务器是一个强大的工具集，借助它可以为 AI 代理和大语言模型添加多种实用功能。以下是一个快速入门的示例代码，展示了如何使用内置的 MCP 服务器实例：
# 使用内置的MCP服务器实例
from mcp_server.server import mcp
@mcp.tool()
def my_custom_tool(param1: str, param2: int = 10) -> dict:
"""我的自定义工具描述"""
# 实现工具功能
return {"result": f"Processed {param1} with {param2}"}
✨ 主要特性
- 网络搜索：使用 SearXNG 执行自定义参数的网络搜索，实现高效、安全的网络信息获取。
- 文件系统操作：支持文件的读取、写入和管理，同时带有安全控制，保障数据操作的安全性。
- 可扩展架构：支持添加符合 MCP 协议的自定义工具，方便根据实际需求进行功能扩展。
- Docker 支持：推荐通过 Docker 运行服务器和相关服务，简化部署流程。
📦 安装指南
安装需求
- Python 3.13 及以上版本
uv包管理器（直接安装时使用）
Docker 安装（推荐）
# 构建Docker镜像
docker build -t mcp-server .
# 启动服务器和SearXNG服务
docker-compose up
直接安装
# 确保已安装Python 3.13
python --version # 应显示类似 Python 3.13.x
# 安装uv（如果尚未安装）
pip install uv
# 创建虚拟环境并安装依赖
uv venv --python=python3.13
uv install
# 启动服务器
python -m mcp_server start --config config.env
💻 使用示例
基础用法
现代客户端示例
from mcp_client.session import ClientSession
# 初始化客户端会话
session = ClientSession('http://localhost:8000')
# 调用工具
response = session.call_tool('my_custom_tool', param1='test')
print(response)
简单客户端示例
import requests
# 直接调用服务器API
url = 'http://localhost:8000/api'
data = {
'tool': 'my_custom_tool',
'params': {'param1': 'test'}
}
response = requests.post(url, json=data)
print(response.json())
高级用法
使用快速 MCP 方法扩展功能
from mcp_server.server import mcp
@mcp.tool()
def my_custom_tool(param1: str, param2: int = 10) -> dict:
"""我的自定义工具描述"""
# 实现工具功能
return {"result": f"Processed {param1} with {param2}"}
使用原生架构扩展功能
请参考开发者指南了解如何使用原生架构添加更多功能。
📚 详细文档
工具说明
- 网络搜索：通过 SearXNG 实现高效、安全的网络搜索。
- 文件系统操作：支持文件的读取、写入和删除操作，带权限控制。
- 扩展性：轻松集成新的 MCP 协议工具和服务。
配置环境变量
# 示例配置文件内容
MCP_SERVER__HOST=0.0.0.0
MCP_SERVER__PORT=8000
MCP_SEARXNG__INSTANCE_URL=http://localhost:8080/
客户端示例位置
examples/目录下包含客户端示例：examples/client.py：现代客户端使用ClientSessionAPI。examples/simple_client.py：简单客户端直接调用 API。
📄 许可证
本项目遵循 MIT License 协议，详见 LICENSE 文件获取详细信息。