MCPChatbot專案

MCP工具

MCPChatbot專案

mcp_chatbot 是一個與模型內容協定 (Model Context Protocol, MCP) 相容的聊天機器人實作範例。與前面介紹的專案不同，它本身不是一個提供特定功能的 MCP 伺服器，而是一個 MCP 客戶端 的完整展示。

這個專案的核心價值在於，它為開發者提供了一個清晰的藍圖，展示了如何從零開始建構一個能夠使用 MCP 工具的、可自訂的 AI 聊天機器人。

核心價值：打造你自己的、能使用外部工具的 AI 助理

此專案解決了開發者在整合 MCP 時可能遇到的關鍵問題：

• 如何讓一個自選的、非主流的大型語言模型（LLM）學會呼叫 MCP 工具？
• 如何管理聊天機器人與多個 MCP 伺服器之間的通訊？
• 如何以友善的方式將整個互動過程呈現給使用者？

主要功能與特色

mcp_chatbot 是一個功能完整且極具教學意義的範例，其特色包括：

1. 支援自訂大型語言模型 (LLM):
   這是此專案最大的亮點之一。它不限定於特定的 LLM 供應商，而是明確展示了如何整合客製化的 LLM，例如阿里巴巴的通義千問 (Qwen)，以及透過 Ollama 在本地運行的開源模型。

2. 多樣化的互動介面:
   專案提供了三種不同的方式來與聊天機器人互動，滿足了從開發測試到終端使用的各種需求：

   • 終端機 (Terminal): 可以在命令列中進行互動式的聊天。
   • 單次提示腳本: 用於快速測試單一問題的回應。
   • Streamlit 網頁介面: 提供了一個功能豐富的圖形化聊天介面，是此專案最完整的展示。

3. 工作流程視覺化 (Workflow Visualization):
   在 Streamlit 網頁介面中，專案內建了一個工作流程追蹤器 (Workflow Tracer)。當 AI 決定呼叫外部工具時，這個追蹤器會清晰地展示出 AI 的「思考過程」：它決定呼叫哪個工具、傳遞了什麼參數、工具回傳了什麼結果，以及最終如何生成回答。這對於開發者除錯和理解 MCP 運作機制非常有幫助。

4. 完整的 MCP 流程展示:
   為了讓開發者能實際操作，專案內建了一個簡單的 markdown_processor.py 作為 MCP 伺服器範例。使用者可以透過與聊天機器人對話，命令它去讀取或處理指定的 Markdown 檔案，從而體驗一個完整的「使用者 -> AI -> MCP 工具 -> AI -> 使用者」的流程。

5. 支援串流式回應 (Streaming):
   無論是在終端機還是 Streamlit 介面，都支援即時的串流式回應，讓使用者可以像與真人聊天一樣，即時看到文字生成，大幅提升了互動體驗。

安裝與設定

此專案是一個標準的 Python 專案，設定過程對於開發者來說非常直觀：

1. 複製專案庫並安裝依賴套件。
2. 設定 .env 檔案，填入你選擇使用的 LLM 的 API 金鑰和端點。
3. 設定 mcp_servers/servers_config.json 檔案，指定範例 MCP 伺服器（或其他你想要連接的伺服器）的啟動路徑。

總結來說，mcp_chatbot 不是一個提供單一功能的工具，而是一個極具價值的開發者框架和學習資源。它為任何想要建構自己的 MCP 應用、或希望將自有的 LLM 接入 MCP 生態系的開發者，提供了一個堅實的起點和清晰的實作指南。

• MCP平台來源: github
• 連結: https://github.com/keli-wen/mcp_chatbot

立即試用MCP工具