Il Gelato Artigianale Italiano (MCP)
Server FastAPI con trasporto Streamable HTTP e SSE compatibili con ChatGPT Developer Mode e UI web per bilanciamento ricette gelato.
Struttura
index.py: entrypoint per Vercel (esportaapp)gelato_mcp/server_http.py: FastAPI app (Streamable HTTP/mcp, SSE/sse, UI/ui, health/health)gelato_mcp/web/: asset UI (HTML/CSS/JS)requirements.txt: dipendenze Python per deployvercel.json: configurazione routing Vercel
Esecuzione locale```powershell
opzionale: crea venv
python -m venv .venv; ..venv\Scripts\Activate.ps1
pip install -r requirements.txt
avvio server (porta di default 8000)
python -m gelato_mcp.server_http --host 127.0.0.1 --port 8000
oppure script PowerShell
./gelato_mcp/start_server.ps1 -ListenHost 127.0.0.1 -Port 8000
prova
Start-Process http://127.0.0.1:8000/ui
Invoke-WebRequest http://127.0.0.1:8000/health | Select-Object -ExpandProperty StatusCode
## Deploy su Vercel
1. Assicurati che il repo GitHub sia collegato a Vercel
2. Importa il repository `luconezena/mcp_server_test-`
3. Build & deploy automatico con `@vercel/python` (usa `index.py`)
4. Verifica:
- `GET /health` → 200
- `GET /ui` → UI web
- `GET /mcp/` → JSON informativo (per browser)
### Endpoint esposti
- Streamable HTTP (consigliato per ChatGPT): `/mcp/rpc`
- SSE (alternativo): `/sse` (lo stream annuncia l'endpoint POST `/sse/messages`)
- UI: `/ui`
- Health: `/health`
Se necessario, configura variabili d’ambiente su Vercel:
- `HOST` (default: 0.0.0.0)
- `PORT` (ignorato su Vercel; gestito dal runtime)
- `LOG_LEVEL` (info, debug)
## Integrazione con ChatGPT Developer Mode
Opzione A — Streamable HTTP (consigliato):
- In ChatGPT > Developer Tools > External Tools > Add > HTTP (Streamable)
- URL: `https://.vercel.app/mcp/rpc`
Opzione B — SSE:
- In ChatGPT > Developer Tools > External Tools > Add > SSE
- URL: `https://.vercel.app/sse`
(il server invierà `event: endpoint` con `/sse/messages?session_id=...` per i POST)
Tool disponibili: `suggest_targets`, `balance_recipe`, `export_whatsapp`.
## Note
- UI localizzata, preset, formule realistiche (POD, PAC, ecc.)
# MCP Server Test
Server MCP minimale che implementa un tool `ping` che risponde con "pong: ".
Disponibile in due versioni:
- **`server.py`**: Versione STDIO per test locali e integrazione con MCP Inspector
- **`server_http.py`**: Versione HTTP/SSE per integrazione con ChatGPT Developer Mode
## Requisiti
- Python 3.11 o superiore
- pip
## Installazione e Avvio
### Quick Start - 3 comandi:
1. **Attiva l'ambiente virtuale** (se non già attivo):```powershell
.\venv\Scripts\Activate.ps1
- Installa le dipendenze:```powershell
pip install -r requirements.txt
3. **Avvia il server**:```powershell
python server.py
Prima configurazione completa:
Se è la prima volta che configuri il progetto:
- Crea un ambiente virtuale (opzionale ma consigliato):```powershell
python -m venv venv
2. **Attiva l'ambiente virtuale**:```powershell
.\venv\Scripts\Activate.ps1
- Installa le dipendenze:```powershell
pip install -r requirements.txt
4. **Avvia il server**:```powershell
python server.py
Il server rimarrà in ascolto e comunicherà tramite standard input/output. Per fermarlo, premi Ctrl+C (verrà eseguito un graceful shutdown).
Avvio versione HTTP/SSE (per ChatGPT):
Per avviare il server HTTP/SSE su http://localhost:8000:
Opzione 1 - Script automatico (consigliato):```powershell
.\start_server.ps1
**Opzione 2 - Manuale:**```powershell
.\venv\Scripts\Activate.ps1
python server_http.py
Il server sarà accessibile su:
- Endpoint SSE: http://localhost:8000/sse
- Health check: http://localhost:8000/health
- Info: http://localhost:8000/
Test del server
Test versione STDIO:
Per testare la versione STDIO, puoi utilizzare l'MCP Inspector:```powershell
npx @modelcontextprotocol/inspector python server.py
### Test versione HTTP/SSE:
1. **Test con browser**: Apri `http://localhost:8000` per vedere le info del server
2. **Test con curl** (health check):```powershell
curl http://localhost:8000/health
- Integrazione con ChatGPT Developer Mode:
- Avvia il server:python server_http.py
- Vai su ChatGPT e attiva "Developer Mode"
- Configura l'endpoint:http://localhost:8000/sse
- ChatGPT potrà ora usare il toolping!
Funzionalità
Tool disponibili:
- ping: Accetta una stringa come parametro
messagee risponde con"pong: "
Esempio di utilizzo:
Quando il tool ping viene chiamato con:```json
{
"message": "ciao mondo"
}
Risponde con:```
pong: ciao mondo
Logging
Il server include logging basilare che mostra:
- Quando viene richiesta la lista dei tool
- Quando viene chiamato un tool
- I parametri ricevuti e la risposta generata
