構建 MCP 客戶端-Python

構建 MCP 客戶端-Python

在本教程中,你將學習如何構建一個連接到 MCP 服務器的 LLM 驅動的聊天機器人客戶端。建議你先完成快速入門教程,瞭解構建第一個服務器的基礎知識。

系統要求

在開始之前,請確保你的系統滿足以下要求:

  • Mac 或 Windows 電腦
  • 已安裝最新版本的 Python
  • 已安裝最新版本的 uv

環境設置

首先,使用 uv 創建一個新的 Python 項目:

# 創建項目目錄
uv init mcp-client
cd mcp-client

# 創建虛擬環境
uv venv

# 激活虛擬環境
# Windows系統:
.venv\Scripts\activate
# Unix 或 MacOS:
source .venv/bin/activate

# 安裝所需包
uv add mcp anthropic python-dotenv

# 刪除模板文件
rm hello.py

# 創建主文件
touch client.py

設置 API 密鑰

你需要從 Anthropic Console 獲取一個 Anthropic API 密鑰。

創建一個 .env 文件來存儲密鑰:

# 創建 .env 文件
touch .env

將你的密鑰添加到 .env 文件中:

ANTHROPIC_API_KEY=<你的密鑰>

.env 添加到 .gitignore 中:

echo ".env" >> .gitignore
請確保妥善保管你的 ANTHROPIC_API_KEY

創建客戶端

基本客戶端結構

首先,讓我們設置導入並創建基本的客戶端類:

import asyncio
from typing import Optional
from contextlib import AsyncExitStack

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

from anthropic import Anthropic
from dotenv import load_dotenv

load_dotenv()  # 從 .env 加載環境變量

class MCPClient:
    def __init__(self):
        # 初始化會話和客戶端對象
        self.session: Optional[ClientSession] = None
        self.exit_stack = AsyncExitStack()
        self.anthropic = Anthropic()
    # 方法將在這裡添加

服務器連接管理

接下來,我們將實現連接到 MCP 服務器的方法:

async def connect_to_server(self, server_script_path: str):
    """連接到 MCP 服務器
    
    參數:
        server_script_path: 服務器腳本路徑 (.py 或 .js)
    """
    is_python = server_script_path.endswith('.py')
    is_js = server_script_path.endswith('.js')
    if not (is_python or is_js):
        raise ValueError("服務器腳本必須是 .py 或 .js 文件")
        
    command = "python" if is_python else "node"
    server_params = StdioServerParameters(
        command=command,
        args=[server_script_path],
        env=None
    )
    
    stdio_transport = await self.exit_stack.enter_async_context(stdio_client(server_params))
    self.stdio, self.write = stdio_transport
    self.session = await self.exit_stack.enter_async_context(ClientSession(self.stdio, self.write))
    
    await self.session.initialize()
    
    # 列出可用工具
    response = await self.session.list_tools()
    tools = response.tools
    print("\n已連接到服務器,可用工具:", [tool.name for tool in tools])

查詢處理邏輯

現在讓我們添加處理查詢和工具調用的核心功能:

async def process_query(self, query: str) -> str:
    """使用 Claude 和可用工具處理查詢"""
    messages = [
        {
            "role": "user",
            "content": query
        }
    ]

    response = await self.session.list_tools()
    available_tools = [{ 
        "name": tool.name,
        "description": tool.description,
        "input_schema": tool.inputSchema
    } for tool in response.tools]

    # 初始 Claude API 調用
    response = self.anthropic.messages.create(
        model="claude-3-5-sonnet-20241022",
        max_tokens=1000,
        messages=messages,
        tools=available_tools
    )

    # 處理響應和工具調用
    tool_results = []
    final_text = []

    for content in response.content:
        if content.type == 'text':
            final_text.append(content.text)
        elif content.type == 'tool_use':
            tool_name = content.name
            tool_args = content.input
            
            # 執行工具調用
            result = await self.session.call_tool(tool_name, tool_args)
            tool_results.append({"call": tool_name, "result": result})
            final_text.append(f"[調用工具 {tool_name},參數 {tool_args}]")

            # 繼續與工具結果的對話
            if hasattr(content, 'text') and content.text:
                messages.append({
                  "role": "assistant",
                  "content": content.text
                })
            messages.append({
                "role": "user", 
                "content": result.content
            })

            # 從 Claude 獲取下一個響應
            response = self.anthropic.messages.create(
                model="claude-3-5-sonnet-20241022",
                max_tokens=1000,
                messages=messages,
            )

            final_text.append(response.content[0].text)

    return "\n".join(final_text)

交互式聊天界面

現在我們將添加聊天循環和清理功能:

async def chat_loop(self):
    """運行交互式聊天循環"""
    print("\nMCP 客戶端已啟動!")
    print("輸入你的問題或輸入 'quit' 退出。")
    
    while True:
        try:
            query = input("\n問題:").strip()
            
            if query.lower() == 'quit':
                break
                
            response = await self.process_query(query)
            print("\n" + response)
                
        except Exception as e:
            print(f"\n錯誤:{str(e)}")

async def cleanup(self):
    """清理資源"""
    await self.exit_stack.aclose()

主入口點

最後,我們將添加主執行邏輯:

async def main():
    if len(sys.argv) < 2:
        print("用法:python client.py <服務器腳本路徑>")
        sys.exit(1)
        
    client = MCPClient()
    try:
        await client.connect_to_server(sys.argv[1])
        await client.chat_loop()
    finally:
        await client.cleanup()

if __name__ == "__main__":
    import sys
    asyncio.run(main())

你可以在這裡找到完整的 client.py 文件。

關鍵組件說明

1. 客戶端初始化

  • MCPClient 類初始化會話管理和 API 客戶端
  • 使用 AsyncExitStack 進行適當的資源管理
  • 配置 Claude 交互的 Anthropic 客戶端

2. 服務器連接

  • 支持 Python 和 Node.js 服務器
  • 驗證服務器腳本類型
  • 設置適當的通信通道
  • 初始化會話並列出可用工具

3. 查詢處理

  • 維護對話上下文
  • 處理 Claude 的響應和工具調用
  • 管理 Claude 和工具之間的消息流
  • 將結果組合成連貫的響應

4. 交互界面

  • 提供簡單的命令行界面
  • 處理用戶輸入並顯示響應
  • 包含基本錯誤處理
  • 允許優雅退出

5. 資源管理

  • 適當的資源清理
  • 連接問題的錯誤處理
  • 優雅的關閉程序

常見自定義點

  1. 工具處理

    • 修改 process_query() 以處理特定工具類型
    • 為工具調用添加自定義錯誤處理
    • 實現工具特定的響應格式化
  2. 響應處理

    • 自定義工具結果的格式化方式
    • 添加響應過濾或轉換
    • 實現自定義日誌記錄
  3. 用戶界面

    • 添加 GUI 或網頁界面
    • 實現豐富的控制檯輸出
    • 添加命令歷史或自動完成

運行客戶端

要使用任何 MCP 服務器運行你的客戶端:

uv run client.py path/to/server.py # python 服務器
uv run client.py path/to/build/index.js # node 服務器
如果你正在繼續快速入門中的天氣教程,你的命令可能看起來像這樣:python client.py .../weather/src/weather/server.py

客戶端將:

  1. 連接到指定的服務器
  2. 列出可用工具
  3. 啟動交互式聊天會話,你可以:
    • 輸入查詢
    • 查看工具執行情況
    • 獲取來自 Claude 的響應

以下是連接到快速入門中的天氣服務器時的示例:

工作原理

當你提交查詢時:

  1. 客戶端從服務器獲取可用工具列表
  2. 你的查詢連同工具描述一起發送給 Claude
  3. Claude 決定使用哪些工具(如果需要)
  4. 客戶端通過服務器執行所需的工具調用
  5. 結果發送回 Claude
  6. Claude 提供自然語言響應
  7. 響應顯示給你

最佳實踐

  1. 錯誤處理

    • 始終用 try-catch 塊包裝工具調用
    • 提供有意義的錯誤消息
    • 優雅地處理連接問題
  2. 資源管理

    • 使用 AsyncExitStack 進行適當的清理
    • 完成後關閉連接
    • 處理服務器斷開連接
  3. 安全性

    • .env 中安全存儲 API 密鑰
    • 驗證服務器響應
    • 謹慎處理工具權限

故障排除

服務器路徑問題

  • 仔細檢查服務器腳本的路徑是否正確
  • 如果相對路徑不起作用,請使用絕對路徑
  • 對於 Windows 用戶,確保使用正斜槓(/)或轉義的反斜槓(\)
  • 驗證服務器文件具有正確的擴展名(Python 用 .py,Node.js 用 .js)

正確路徑使用示例:

# 相對路徑
uv run client.py ./server/weather.py

# 絕對路徑
uv run client.py /Users/username/projects/mcp-server/weather.py

# Windows 路徑(兩種格式都可以)
uv run client.py C:/projects/mcp-server/weather.py
uv run client.py C:\\projects\\mcp-server\\weather.py

響應時間

  • 第一次響應可能需要長達 30 秒
  • 這是正常的,發生在:
    • 服務器初始化時
    • Claude 處理查詢時
    • 工具執行時
  • 後續響應通常更快
  • 在初始等待期間不要中斷進程

常見錯誤消息

如果你看到:

  • FileNotFoundError:檢查你的服務器路徑
  • Connection refused:確保服務器正在運行且路徑正確
  • Tool execution failed:驗證工具所需的環境變量是否已設置
  • Timeout error:考慮在客戶端配置中增加超時時間