MCP Core Architecture Poc

MCP运维云端

提供方 monishavmahesh

运维云端 stdio · 本地进程 OAuth 授权 社区 / 第三方 Claude
查看接入方式

基于模型上下文协议(MCP)的旅行任务处理助手,通过标准化JSON-RPC通信实现LLM与外部服务的集成。

一句话选型结论

按资料字段整理

MCP Core Architecture Poc 属于运维云端类 MCP 服务器,stdio · 本地进程,OAuth 授权,可直接接入 Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权OAuth 授权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 4 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量4暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

大语言模型Python本地部署JSON-RPC旅行规划API集成标准化协议

安装与配置

stdio · 本地进程 OAuth 授权
客户端在本机拉起子进程,数据不出本机
python -m venv venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 4 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 4 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好OAuth 授权对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Core Architecture Poc当前 4 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方monishavmahesh上游标注的维护方 monishavmahesh
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式OAuth 授权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

7.6 KB
来自项目仓库与上游目录的原文,未做删改

MCP旅行助理-POC

用于旅行相关任务的模型上下文协议(MCP)架构的概念验证实现。该项目演示了LLM如何通过标准化的JSON-RPC通信与外部服务无缝集成。


🎯 概述

MCP Travel Assistant是一个POC,展示了模型上下文协议,这是LLM与外部系统交互的标准化接口。服务器通过JSON-RPC 2.0实现MCP规范,通过stdin/stdout进行通信。

为什么选择MCP?

  • 标准化:LLM工具集成的通用协议
  • 可扩展性:易于添加新工具、资源和提示
  • LLM兼容性:适用于任何MCP兼容客户端(Claude、GPT等)
  • 可扩展性:将客户端和服务器逻辑之间的关注点分开

🏗️ 建筑```

┌─────────────────────────────────────────┐
│ LLM Client (Claude/GPT) │
└────────────────┬────────────────────────┘
│
┌───────┴────────┐
│ JSON-RPC 2.0 │
│ (stdio) │
└───────┬────────┘
│
┌────────────────▼────────────────────────┐
│ MCP Server (mcp_server.py) │
├─────────────────────────────────────────┤
│ ✅ Tools (search_flights, weather) │
│ ✅ Resources (calendar, knowledge) │
│ ✅ Prompts (vacation planning, email) │
└────────────────┬────────────────────────┘
│
┌────────────┼────────────┐
│ │ │
┌───▼──┐ ┌─────▼──┐ ┌──────▼───┐
│Flight│ │Weather │ │ Calendar │
│API │ │API │ │ (Google)│
└──────┘ └────────┘ └──────────┘


______________________________________________________________________

## ✨ 特性

### 🛠️ 工具

- search_flights:使用日期和偏好查找机场之间的航班
- get_weather:使用纬度/经度检索天气预报
- list_calendar_events:从谷歌日历中获取即将到来的日历事件
- create_calendar_event:安排新的日历事件

### 📚 资源

- calendar://events:实时日历数据访问
- knowledge://travel_tips:旅行计划指南
- knowledge://booking_policy:预订和取消政策
- knowledge://destinations:热门旅游目的地信息

### 💬 提示

- plan_vcation:生成详细的度假行程
- draft_email:撰写与旅行相关的专业电子邮件
- summarize_meets:汇总某个日期范围内的日历会议

______________________________________________________________________

## 📁 项目结构```
MCP_POC/
├── server/
│   ├── __init__.py
│   ├── mcp_server.py          # Main MCP server (JSON-RPC 2.0)
│   ├── clients.py             # External API clients
│   ├── config.py              # Configuration & settings
│   └── _pycache_/
├── client/
│   ├── __init__.py
│   ├── mcp_client.py          # Async/Sync MCP client
│   └── _pycache_/
├── app_mcp.py                 # Streamlit UI
├── requirements.txt           # Python dependencies
├── .env                       # Environment variables (not included)
└── README.md                  # This file

🚀 安装

先决条件
Python 3.8+
pip或诗意的包装管理
用于外部服务的API密钥(可选)

步骤1:克隆和设置

克隆仓库```

git clone
cd MCP_POC


#### 创建虚拟环境```
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

安装依赖项```

pip install -r requirements.txt


步骤2:配置环境
在项目根目录中创建.env文件:

#### 必需```
API_KEY=your_api_key

Ollama配置```

OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_MODEL=llama2


#### 谷歌日历(可选)```
GOOGLE_CALENDAR_CREDENTIALS_FILE=path/to/credentials.json
GOOGLE_CALENDAR_TOKEN_FILE=./token.json

Amadeus API(可选,用于真实飞行数据)```

AMADEUS_API_KEY=your_amadeus_key
AMADEUS_API_SECRET=your_amadeus_secret


#### API终点```
OPEN_METEO_BASE_URL=https://api.open-meteo.com/v1

⚙️ 配置

  • 环境变量
  • 变量所需描述
  • API_密钥✅ 是API主密钥
  • OLLAMA_模型❌ 无LLM模型(默认:llama2)
  • AMADEUS_API_KEY❌ 没有Amadeus航班API密钥
  • GOOGLE_CALENDAR_CREDENTIALS_FILE❌ 没有Google OAuth凭据
  • 谷歌日历设置
  • 在Google Cloud控制台创建凭据

下载OAuth 2.0证书JSON

放入项目并更新.env

首次运行将触发OAuth身份验证

💻 用法

启动MCP服务器```

Direct execution (Python)

python server/mcp_server.py


#### 服务器监听stdin/stdout

#### 已准备好接收JSON-RPC请求

使用Streamlit UI```
# Start the Streamlit app
streamlit run app_mcp.py

开放时间:http://localhost:8501

以编程方式使用MCP客户端```
python
from client.mcp_client import MCPClientSync


### 初始化客户端```
client = MCPClientSync("server/mcp_server.py")
client.start()

列出可用工具```

tools = client.list_tools()
print(f"Available tools: {len(tools)}")


### 调用工具```
result = client.call_tool("search_flights", {
"origin": "JFK",
"destination": "LAX",
"departure_date": "2024-12-01"
})

列出资源```

resources = client.list_resources()


### 获取提示```
prompts = client.list_prompts()
prompt_text = client.get_prompt("plan_vacation", {
"destination": "Paris",
"days": 5,
"interests": "art and food"
})

client.stop()
🔌 api参考
JSON-RPC请求格式
所有请求均遵循JSON-RPC 2.0规范:```
json
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list",
"params": {}
}
Response Format
json
{
"jsonrpc": "2.0",
"id": 1,
"result": {
"tools": [...]
}
}


### 可用方法

工具

- 工具/列表-列出所有可用工具
- tools/call-执行特定工具

资源

- resources/list-列出所有资源
- resources/read-通过URI读取特定资源

提示

- promises/list-列出所有提示模板
- promises/get-生成特定提示

______________________________________________________________________

### 📖 例子

示例1:搜索航班```
python
client.call_tool("search_flights", {
"origin": "JFK",
"destination": "LAX",
"departure_date": "2024-12-01",
"max_results": 5
})

Response:
json
{
"flights": [
{
"id": "MOCK001",
"airline": "Mock Air",
"departure": "2024-12-01T08:00:00",
"arrival": "2024-12-01T11:30:00",
"price": "$299.00"
}
]
}

示例2:获取天气预报```
python
client.call_tool("get_weather", {
"latitude": 40.7128,
"longitude": -74.0060,
"days": 5
})


示例3:生成假期计划```
python
prompt = client.get_prompt("plan_vacation", {
"destination": "Tokyo",
"days": 7,
"interests": "technology, food, culture"
})

示例4:访问知识资源```
python
Read travel tips
tips = client.read_resource("knowledge://travel_tips")

Read destination info
destinations = client.read_resource("knowledge://destinations")

Read booking policy
policy = client.read_resource("knowledge://booking_policy")
```

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
MCP Core Architecture Poc 怎么安装?

在客户端按下面的安装命令接入:python -m venv venv。装完在客户端配置里引用同一个包或端点。

MCP Core Architecture Poc 怎么在 Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

MCP Core Architecture Poc 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Core Architecture Poc 需要 API Key 吗?

资料标注需要OAuth 授权认证,使用前准备好对应凭据,并按最小权限配置。

MCP Core Architecture Poc 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

MCP Core Architecture Poc 能提供哪些能力?

资料显示约 4 个工具;能力标签包括 标准化协议、Python、Claude、旅行规划。具体工具清单以官方文档为准。

MCP Core Architecture Poc 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

MCP Core Architecture Poc 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。