🚀 使用 Azure OpenAI 的 MCP 服务器及客户端实现
本项目是一个基于 Model Context Protocol (MCP) 和 Azure OpenAI 的最小服务器/客户端应用程序实现，为 AI 应用程序与本地或远程资源的交互提供了安全、受控的解决方案。
🚀 快速开始
配置步骤
- 创建
.env文件：在项目根目录下创建一个.env文件，并添加以下内容：
AZURE_OPEN_AI_ENDPOINT=your_endpoint
AZURE_OPEN_AI_KEY=your_key
MCP_SERVER_NAME=your_server_name
- 安装依赖项：执行以下命令安装所需的 Python 包：
pip install fastapi playwright[aiohttp] python-dotenv
- 启动服务器：执行以下命令启动 MCP 服务器：
python mcp_server.py
提示信息
- 执行
python chatgui.py命令启动聊天界面。 - 使用
Ctrl+C退出程序。 - 如果需要重新加载配置，可以重启服务器。
图片示例
宽度：300
✨ 主要特性
- MCP 服务器使用
FastMCP构建。 Playwright是微软开源的现代化端到端测试框架。- MCP 响应中的工具信息将转换为 OpenAI 函数调用格式。
- 将 MCP 服务器响应转换为 OpenAI 函数调用格式的桥梁自定义了
MCP-LLM Bridge实现。 - 为了确保稳定连接，直接将服务器对象传递到桥接器中。
📚 详细文档
模型上下文协议 (MCP)
模型上下文协议 (MCP) MCP（Model Context Protocol）是一项开放协议，可实现 AI 应用程序与其本地或远程资源之间的安全、受控交互。
官方存储库
社区资源
相关项目
- FastMCP：快速、Pythonic 的 MCP 服务器构建方式。
- Chat MCP：MCP 客户端
- MCP-LLM Bridge：将 MCP 连接到各种 LLM 服务的桥梁
💻 使用示例
工具描述
以下是 playwright_navigate 函数的伪代码示例：
@self.mcp.tool()
async def playwright_navigate(url: str, timeout=30000, wait_until="load"):
# 在此处实现具体的导航逻辑
pass