MCP Get Started

MCP数据服务

提供方 kofiadom

数据服务 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个基于MCP协议和OpenAI API的知识库问答助手,能够通过自然语言查询公司政策信息。

一句话选型结论

按资料字段整理

MCP Get Started 属于数据服务类 MCP 服务器,stdio · 本地进程,无需鉴权,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。

分类数据服务 传输方式stdio · 本地进程 鉴权无需鉴权 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 1 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

数据服务
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1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

适用场景

知识库Python本地部署问答系统自然语言处理MCP协议OpenAI集成

安装与配置

stdio · 本地进程 无需鉴权
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 1 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
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

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 1 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。
  • 资料标注无需鉴权,装好就能连。

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。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 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。
  • 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 Get Started当前 1 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
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kofiadom上游标注的维护方 kofiadom
分类数据服务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
鉴权方式无需鉴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

5.5 KB
来自项目仓库与上游目录的原文,未做删改

MCP知识库助理

模型上下文协议(MCP)的演示,该协议将OpenAI驱动的客户端连接到知识库服务器。该项目展示了如何构建一个简单但功能强大的人工智能助手,通过MCP访问知识库来回答有关公司政策的问题。

📋 概述

该项目展示了:

  1. 如何构建一个将知识库作为工具公开的MCP服务器
  2. 如何创建连接到服务器的MCP客户端
  3. 如何集成OpenAI的API创建自然语言界面
  4. 如何使用Docker容器化服务器组件

该系统允许用户用自然语言询问有关公司政策的问题,人工智能将从知识库中检索相关信息以提供准确的答案。

🏗️ 建筑

该项目遵循MCP客户端-主机-服务器架构:```
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ │ │ │ │ │
│ OpenAI Model │◄────┤ MCP Client │◄────┤ MCP Server │
│ (GPT-4o) │ │ (client.py) │ │ (server.py) │
│ │ │ │ │ │
└─────────────────┘ └─────────────────┘ └─────────────────┘
│
▼
┌─────────────────┐
│ │
│ Knowledge Base │
│ (kb.json) │
│ │
└─────────────────┘


- **MCP服务器**:将知识库作为可查询的工具公开
- **MCP客户端**:连接到服务器并与OpenAI的API集成
- **OpenAI模型**:处理自然语言查询并生成响应
- **知识库**:包含有关公司政策的问答对的JSON文件

## 🚀 入门指南

### 先决条件

- Python 3.11或更高版本
- Docker(可选,用于容器化服务器)
- OpenAI API密钥

### 安装

1. 克隆存储库:```
git clone
cd MCP-Get-Started
  1. 创建虚拟环境并安装依赖项:```
    python -m venv venv

On Windows

venv\Scripts\activate

On macOS/Linux

source venv/bin/activate

pip install -r requirements.txt


1. 创建一个 `.env` 使用您的OpenAI API密钥在项目根目录中创建文件:```
OPENAI_API_KEY=your_openai_api_key_here

运行服务器

选项1:直接用Python运行```

python server.py


#### 选项2:使用Docker运行```
# Build the Docker image
docker build -t mcp-server .

# Run the container
docker run -p 8050:8050 mcp-server

运行客户端

在服务器运行的情况下,打开一个新的终端并运行:```
python client.py


## 📝 用法

客户端将连接到服务器,并询问有关公司平等机会政策的示例问题。您可以在中修改查询 `client.py` 询问有关公司政策的不同问题。

输出示例:```
Connected to server with tools:
- get_knowledge_base: Retrieve the entire knowledge base as a formatted string.

Query: What is the company's equal opportunity policy?

Response: The company's equal opportunity policy is as follows: The company is an equal opportunity employer and prohibits discrimination based on race, gender, age, religion, disability, or any other protected characteristic.

🔧 项目结构

  • server.py:公开知识库的MCP服务器实现
  • client.py:连接到服务器并与OpenAI集成的MCP客户端
  • data/kb.json:包含公司政策问答对的知识库
  • Dockerfile:服务器容器化配置
  • requirements.txt:Python依赖关系

🧩 运作原理

MCP服务器(Server.py)

服务器公开了一个名为 get_knowledge_base 从知识库文件中检索信息(data/kb.json).它使用端口8050上的SSE(服务器发送事件)传输运行。

MCP客户端(Client.py)

客户:

  1. 使用SSE传输连接到MCP服务器
  2. 检索可用工具列表
  3. 从用户处获取自然语言查询
  4. 将查询与可用工具一起发送到OpenAI
  5. 如果OpenAI决定使用工具,客户端将执行工具调用
  6. 向用户返回最终响应

知识库(data/kb.json)

知识库是一个简单的JSON文件,其中包含有关公司政策的问答对。这可以根据需要通过其他政策或信息进行扩展。

🔄 生命周期管理

客户端使用Python的异步上下文管理器实现了适当的生命周期管理:```python
async with MCPOpenAIClient() as client:
await client.connect_to_server()
response = await client.process_query("What is the policy?")

Resources are automatically cleaned up when exiting the context

```

这确保了所有资源都按照MCP最佳实践正确初始化和清理。

🛠️ 定制

添加更多知识

要扩展知识库,只需在 data/kb.json 文件。

添加更多工具

您可以通过定义附加功能向服务器添加更多工具 @mcp.tool() 室内装饰师 server.py.

更改模型

要使用不同的OpenAI模型,请修改 model 参数在 MCPOpenAIClient 类在 client.py.

📚 了解有关MCP的更多信息

模型上下文协议(MCP)是LLM与外部工具和服务交互的标准化方式。它提供:

  • 可重复使用性:只需构建一个服务器,即可与任何兼容MCP的客户端一起使用
  • 可组合性:组合多个服务器以创建复杂的功能
  • 生态系统增长:受益于他人创建的服务器

有关更多信息,请访问 MCP文件.

📄 许可证

MIT许可证

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
MCP Get Started 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 Get Started 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

MCP Get Started 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 Get Started 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Get Started 能提供哪些能力?

资料显示约 1 个工具;能力标签包括 知识管理、问答系统、Python、自然语言处理、OpenAI集成。具体工具清单以官方文档为准。

MCP Get Started 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 Get Started 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。