
MCP Guide
A guide for implementing Model Context Protocol (MCP) servers that provide AI models with external tools like web search, text manipulation, and mathematical operations.
README
MCP (Model Context Protocol) Guide
Что такое MCP?
Model Context Protocol (MCP) — это открытый протокол для подключения AI-моделей к внешним данным и инструментам. MCP позволяет создавать серверы, которые предоставляют инструменты (tools) для AI-моделей, расширяя их возможности.
Основные концепции:
- MCP Server — сервер, который предоставляет инструменты и данные
- MCP Client — клиент, который подключается к серверам и использует их инструменты
- Tools — функции, которые может вызывать AI-модель (например, поиск в интернете, работа с файлами, API вызовы)
Как работает MCP?
- Сервер регистрирует инструменты и запускается
- Клиент подключается к серверу и получает список доступных инструментов
- AI-модель использует инструменты через клиента для выполнения задач
- Результаты возвращаются модели для дальнейшей обработки
Архитектура проекта
MCP_guide/
├── mcp_server.py # MCP сервер с инструментами
├── main.py # Клиент и агент
├── model.py # Модель Groq
├── settings.py # Настройки
├── requirements.txt # Зависимости
└── README.md # Этот файл
Установка и запуск
1. Установка зависимостей
pip install -r requirements.txt
2. Настройка переменных окружения
Создайте файл .env
в корне проекта:
GROQ_API=your_groq_api_key_here
MODEL_NAME=llama3-8b-8192
MCP_SERVER_URL=http://127.0.0.1:8000
TAVILY_API=your_tavily_api_key_here
3. Получение API ключей
- Groq API: Зарегистрируйтесь на groq.com
- Tavily API: Зарегистрируйтесь на tavily.com
4. Запуск проекта
Для начала щапускаем сервер mcp_server.py
python mcp_server.py
Либо
fastmcp run mcp_server.py
Затем сам код
python main.py
Доступные инструменты
В данном проекте реализованы следующие инструменты:
1. tavily_search
- Описание: Поиск информации в интернете
- Параметры:
query
(строка) - Пример: Поиск новостей, информации о технологиях
2. add
- Описание: Сложение двух чисел
- Параметры:
a
(int),b
(int) - Пример:
add(5, 3)
→8
3. reverse
- Описание: Переворачивание текста
- Параметры:
text
(строка) - Пример:
reverse("hello")
→"olleh"
4. greet
- Описание: Создание приветствия
- Параметры:
name
(строка) - Пример:
greet("Анна")
→"Привет, Анна!"
Транспорты MCP
stdio (рекомендуется)
- Простой и надежный
- Работает через стандартный ввод/вывод
- Подходит для локальной разработки
streamable-http
- Работает через HTTP с Server-Sent Events
- Требует правильных заголовков
- Подходит для веб-приложений
Примеры использования
Базовый пример
import asyncio
from langchain_mcp_adapters.client import MultiServerMCPClient
async def main():
# Подключение к MCP серверу
client = MultiServerMCPClient({
"demo": {
"command": "python",
"args": ["mcp_server.py"],
"transport": "stdio",
}
})
# Получение инструментов
tools = await client.get_tools()
print(f"Доступно инструментов: {len(tools)}")
asyncio.run(main())
Использование с LangGraph
from langgraph.prebuilt import create_react_agent
# Создание агента с MCP инструментами
agent = create_react_agent(
tools=tools,
model=llm
)
# Вызов агента
result = agent.invoke({
"messages": [{"role": "user", "content": "Сложи 5 и 3"}]
})
Устранение неполадок
Ошибка "Not Acceptable: Client must accept text/event-stream"
- Причина: Неправильная конфигурация HTTP транспорта
- Решение: Используйте stdio транспорт или добавьте правильные заголовки
Ошибка "Expected dict, got string"
- Причина: Неправильный формат входных данных для агента
- Решение: Передавайте данные в формате
{"messages": [...]}
Ошибка подключения к серверу
- Причина: Сервер не запущен или неправильный URL
- Решение: Убедитесь, что сервер запущен и URL корректный
Расширение функциональности
Добавление нового инструмента
- Добавьте функцию в
mcp_server.py
:
@mcp.tool()
def multiply(a: int, b: int) -> int:
"""Умножить два числа."""
return a * b
- Перезапустите сервер
Подключение к внешним API
@mcp.tool()
def weather(city: str) -> str:
"""Получить погоду для города."""
# Ваш код для API вызова
return f"Погода в {city}: солнечно"
Полезные ссылки
Лицензия
MIT License
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.

VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.

E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.