MCP 模型提供商示例
这是一个完整的 MCP (Model Context Protocol) 示例项目，展示了如何搭建一个支持本地 Ollama 模型和远程 API 模型的 MCP 服务器，以及如何使用 LangChain 构建大模型应用来发现和调用 MCP 工具。
功能特性
- 支持本地模型：通过 Ollama 部署的本地模型，无需 API 密钥
- 支持远程模型：通过 API 密钥访问远程模型（如 OpenAI）
- 动态工具发现：大模型可以自动发现 MCP 提供的工具
- 工具调用：大模型可以根据需要调用 MCP 工具并获取结果
- 加法计算工具：内置了一个计算两个数之和的工具
- 模型调用工具：可以调用不同类型的语言模型
项目结构
e:\agents_pro\mcp\
├── package.json # 项目配置和依赖
├── index.js # MCP 服务器主文件
├── tools/ # 工具定义目录
│ ├── model_invoke.json # 模型调用工具定义
│ └── add_numbers.json # 加法计算工具定义
├── example.js # JavaScript 示例
├── langchain-app.py # Python LangChain 应用示例
└── README.md # 项目文档
安装步骤
1. 安装 Node.js 依赖
npm install
2. 安装 Python 依赖（用于 LangChain 应用）
pip install -r requirements.txt
3. 安装 Ollama（用于本地模型）
请访问 Ollama 官网 下载并安装 Ollama，然后运行以下命令拉取模型：
ollama pull llama2
ollama pull qwen3:4b
配置说明
1. MCP 服务器配置
- 端口：默认运行在 3000 端口
- 工具定义：在
tools/目录下定义工具 - 模型配置：
- 本地模型：通过 Ollama 部署，默认地址为
http://localhost:11434 - 远程模型：需要在代码中设置 API 密钥
- 本地模型：通过 Ollama 部署，默认地址为
2. LangChain 应用配置
- 模型选择：默认使用本地 Ollama 模型
qwen3:4b - 远程模型：需要在
langchain-app.py中设置 API 密钥
使用方法
1. 启动 MCP 服务器
npm start
服务器启动后，会在控制台输出以下信息：
MCP server running on port 3000
Tools available at: http://localhost:3000/mcp/tools
Invoke endpoint at: http://localhost:3000/mcp/invoke
2. 运行 JavaScript 示例
node example.js
3. 运行 Python LangChain 应用
python langchain-app.py
API 端点
1. 列出可用工具
请求：
GET /mcp/tools
响应：
{
"tools": [
{
"name": "model_invoke",
"description": "Invoke a language model with a prompt",
"parameters": {
"type": "object",
"properties": {
"prompt": {
"type": "string",
"description": "The prompt to send to the model"
},
"model_type": {
"type": "string",
"enum": ["local", "remote"],
"description": "Model type: local (Ollama) or remote (API)"
},
"model_name": {
"type": "string",
"description": "Model name to use"
},
"api_key": {
"type": "string",
"description": "API key for remote model (required if model_type is remote)"
}
},
"required": ["prompt", "model_type", "model_name"]
}
},
{
"name": "add_numbers",
"description": "Calculate the sum of two numbers",
"parameters": {
"type": "object",
"properties": {
"num1": {
"type": "number",
"description": "The first number"
},
"num2": {
"type": "number",
"description": "The second number"
}
},
"required": ["num1", "num2"]
}
}
]
}
2. 调用工具
请求：
POST /mcp/invoke
Content-Type: application/json
{
"tool": "model_invoke",
"params": {
"prompt": "你好，告诉我一个简短的笑话",
"model_type": "local",
"model_name": "llama2"
}
}
响应：
{
"success": true,
"data": {
"response": "为什么人工智能不会感冒？因为它们没有病毒，只有bug！"
}
}
示例场景
1. 大模型自动发现并使用加法工具
用户查询："计算 123 加上 456 等于多少"
大模型流程：
- 分析用户请求，发现需要进行加法计算
- 自动发现 MCP 提供的
add_numbers工具 - 调用工具，传递参数
{"num1": 123, "num2": 456} - 接收工具执行结果
{"sum": 579} - 基于结果生成最终回答："123 加上 456 等于 579"
2. 大模型使用模型调用工具
用户查询："使用本地模型写一首关于春天的诗"
大模型流程：
- 分析用户请求，发现需要使用模型生成内容
- 自动发现 MCP 提供的
model_invoke工具 - 调用工具，传递参数
{"prompt": "写一首关于春天的诗", "model_type": "local", "model_name": "qwen3:4b"} - 接收工具执行结果（模型生成的诗）
- 基于结果生成最终回答
注意事项
- 本地模型：使用本地 Ollama 模型时，需要确保 Ollama 服务正在运行
- 远程模型：使用远程模型时，需要在代码中设置有效的 API 密钥
- 工具定义：添加新工具时，需要在
tools/目录下创建工具定义文件，并在index.js中添加相应的处理函数 - 端口冲突：如果端口 3000 被占用，可以修改
index.js中的端口配置
扩展建议
- 添加更多工具：可以根据需要添加更多工具，如天气查询、新闻获取等
- 支持更多模型：可以扩展
model_invoke工具，支持更多类型的模型提供商 - 添加认证：可以为 MCP 服务器添加认证机制，确保只有授权的应用可以访问
- 添加日志：可以添加详细的日志记录，便于调试和监控
故障排除
1. 端口被占用
如果启动服务器时出现端口被占用的错误，可以使用以下命令查看并终止占用端口的进程：
# 查看占用端口 3000 的进程
netstat -ano | findstr :3000
# 终止进程（PID 为上一步输出的进程 ID）
taskkill /PID <PID> /F
2. 本地模型不可用
如果本地模型不可用，请检查：
- Ollama 服务是否正在运行
- 模型是否已经拉取（使用
ollama list查看） - 模型名称是否正确
3. 远程模型调用失败
如果远程模型调用失败，请检查：
- API 密钥是否正确
- 网络连接是否正常
- 模型名称是否正确
总结
本项目展示了如何搭建一个完整的 MCP 服务器，以及如何使用 LangChain 构建大模型应用来发现和调用 MCP 工具。通过这个项目，您可以了解：
- MCP 的基本概念和工作原理
- 如何定义和实现 MCP 工具
- 如何使用 LangChain 构建大模型应用
- 大模型如何自动发现和调用工具
- 如何支持本地和远程模型
这个项目可以作为一个基础框架，根据实际需求进行扩展和定制。
