在线MCP服务的连接和使用

《DeepSeek 原生应用与智能体开发实践》【摘要 书评 试读】- 京东图书

MCP作为一种具有开创性的开放协议，其核心目标在于标准化人工智能模型与外部数据源、工具之间的交互方式。在当今复杂多变的人工智能应用环境中，模型需要与各种不同类型的数据源和工具进行交互，以实现更加智能、高效的任务处理。通过MCP，大模型可以轻松地与各种专业工具进行连接和通信，无须进行复杂的接口开发和数据转换，从而大大提高了开发效率和应用效果。同时，MCP的标准化特性也保证了不同模型、不同工具之间的兼容性和互操作性，为人工智能技术的广泛应用和深入发展奠定了坚实的基础。

下面这个博文完成了本地MCP服务的搭建：

​​​​​​​​​​​​​​大模型在线MCP服务器搭建_pip install fastapi-mcp-CSDN博客​​​​​​​

 本文将完成一个MCP客户端程序，用于连接和使用在线MCP服务，代码如下：

import asyncio
import json
import logging
from mcp.client.session import ClientSession
from mcp.client.sse import sse_client

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# 工具描述转换器
def transform_tools(tools):
    tool_list = []
    for tool in tools:
        parameters = {}
        required = tool.inputSchema.get('required', [])
        for name, prop in tool.inputSchema['properties'].items():
            parameters[name] = {
                'type': prop['type'],
                'description': prop.get('description', ''),
                'required': name in required
            }
        tool_list.append({
            'name': tool.name,
            'description': tool.description,
            'parameters': parameters
        })
    return json.dumps(tool_list, ensure_ascii=False, indent=2)

from openai import OpenAI
def ask_llm_deepseek(question, tools_list):
    # TODO: 实现与LLM的交互逻辑
    # 这里只是一个示例，实际应用中需要根据具体情况进行实现
    system_prompt = tools_list + '\n 根据以上描述,用户要求:%s ,请生成一个工具调用命令,要求以json格式输出{"tool":工具名,"tool_input":参数字典},只输出json,不要输出其他内容' % (
        question)

    client = OpenAI(
        api_key="sk-282074c41d594514aee6fd6f179ed292",
        base_url="https://api.deepseek.com/beta",
    )

    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": "Hello"},
        ],
        max_tokens=1024,
        temperature=0.99,
        stream=False
    )

    generated_text = response.choices[0].message.content  # 提取文本内容
    return generated_text, client  # 返回文本而非response对象

def llm_deepseek(question,client):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "user", "content": question},
        ],
        max_tokens=1024,
        temperature=0.99,
        stream=False
    )
    generated_text = response.choices[0].message.content  # 提取文本内容
    return generated_text

async def main(question = "25+38是多少?"):
    async with sse_client("http://localhost:8000/mcp") as streams:
        async with ClientSession(streams[0], streams[1]) as session:
            await session.initialize()

            # 获取工具列表
            tools = (await session.list_tools()).tools
            s = transform_tools(tools) +"\n"
            response, client = ask_llm_deepseek(question, s)
            # 清理Markdown标记
            response = response.strip().replace(''''json', '').replace(''''', '').strip()
            # print(response)
            mtools = json.loads(response)  # 现在response是纯JSON字符串
            print("mtools: --> ",mtools)
            if 'tool' in mtools:
                tool_name = mtools['tool']
                tool_input = mtools['tool_input']
                # 调用工具
                print("调用工具:", tool_name, tool_input)
                ret = await session.call_tool(tool_name, tool_input)
                if ret:
                    try:
                        r = json.loads(ret.content[0].text)
                    except:
                        r = ret.content[0].text
                    print("工具返回结果:", r)
                questions = f"用户的问题是{question},根据{tool_name}的返回结果为：{r}，根据以上信息,回答问题。"
                r = llm_deepseek(questions,client)
                return r

if __name__ == "__main__":
    questions = ['计算一下356*125', '25+38是多少?', '现在的时间是什么时候?', 'Shanghai天气怎么样?', '请给我讲一个笑话']
    for question in questions:
        response = asyncio.run(main(question))
        print(response)
        print("--------------------------------------------------------")

 先启动MCP服务，如下：

 再运行本文完成的MCP客户端程序：

完整的运行结果如下：

C:\Users\xiayu\miniconda3\python.exe C:\Users\xiayu\PycharmProjects\DeepSeek应用开发实践-源码\第六章\6_2\demo_2.py 
[07/01/25 14:16:20] INFO     Processing request of type           server.py:523
                             ListToolsRequest                                  
[07/01/25 14:16:23] INFO     Processing request of type           server.py:523
                             CallToolRequest                                   
mtools: -->  {'tool': 'multiply_numbers', 'tool_input': {'a': 356, 'b': 125}}
调用工具: multiply_numbers {'a': 356, 'b': 125}
工具返回结果: 44500
根据用户提供的信息，计算 \(356 \times 125\) 的步骤如下：

1. **分解乘数**：  
   \(125\) 可以表示为 \(100 + 25\)，因此：
   \[
   356 \times 125 = 356 \times (100 + 25)
   \]

2. **分配律展开**：  
   \[
   356 \times 100 = 35,\!600
   \]
   \[
   356 \times 25 = 8,\!900 \quad (\text{因为 } 356 \times 25 = 356 \times \frac{100}{4} = 8,\!900)
   \]

3. **相加得到结果**：  
   \[
   35,\!600 + 8,\!900 = 44,\!500
   \]

**最终答案**：  
\[
\boxed{44500}
\]
[07/01/25 14:16:34] INFO     Processing request of type           server.py:523
                             ListToolsRequest                                  
mtools: -->  {'tool': 'add_numbers', 'tool_input': {'a': 25, 'b': 38}}
调用工具: add_numbers {'a': 25, 'b': 38}
工具返回结果: 63
[07/01/25 14:16:38] INFO     Processing request of type           server.py:523
                             CallToolRequest                                   
25 + 38 的计算结果是 **63**。
[07/01/25 14:16:42] INFO     Processing request of type           server.py:523
                             ListToolsRequest                                  
[07/01/25 14:16:46] INFO     Processing request of type           server.py:523
                             CallToolRequest                                   
mtools: -->  {'tool': 'date_time', 'tool_input': {}}
调用工具: date_time {}
工具返回结果: 2025-07-01 14:16:46
现在是2025年7月1日，下午2点16分46秒。
[07/01/25 14:16:50] INFO     Processing request of type           server.py:523
                             ListToolsRequest                                  
[07/01/25 14:16:55] INFO     Processing request of type           server.py:523
                             CallToolRequest                                   
mtools: -->  {'tool': 'get_weather', 'tool_input': {'city_name': 'Shanghai'}}
调用工具: get_weather {'city_name': 'Shanghai'}
工具返回结果: {'城市': 'Shanghai', '温度': '23℃'}
上海的天气目前是23℃。
[07/01/25 14:16:59] INFO     Processing request of type           server.py:523
                             ListToolsRequest                                  
mtools: -->  {}
当然！这里有一个经典的笑话：

---

**病人**：医生，我最近总是觉得自己像一只猫。  
**医生**：哦？这种情况持续多久了？  
**病人**：喵……  

（冷场两秒后）  

**医生**：好吧，看来我们得从“汪”开始治疗了。  

---

希望这个冷笑话能让你嘴角上扬！ 😄 还想听别的类型吗？

Process finished with exit code 0

​​​​​​​