Python MCP Server 最简实现

1. 安装依赖

bash

运行

复制代码
pip install flask

2. 完整代码:mcp_server.py

python

运行

复制代码
from flask import Flask, request, jsonify

app = Flask(__name__)

# MCP 服务状态
mcp_status = {
    "server": "running",
    "model_loaded": False,
    "current_model": None,
    "task_count": 0
}

# ------------------------------
# MCP 基础接口
# ------------------------------
@app.route('/mcp/ping', methods=['GET'])
def ping():
    """心跳检测"""
    return jsonify({
        "code": 0,
        "msg": "pong",
        "server": "MCP Server v1.0"
    })

@app.route('/mcp/info', methods=['GET'])
def info():
    """服务信息"""
    return jsonify({
        "code": 0,
        "data": mcp_status
    })

# ------------------------------
# 模型加载/卸载
# ------------------------------
@app.route('/mcp/model/load', methods=['POST'])
def load_model():
    data = request.get_json()
    model_name = data.get("model_name")

    if not model_name:
        return jsonify({"code": 400, "msg": "model_name is required"}), 400

    # 模拟加载模型
    mcp_status["current_model"] = model_name
    mcp_status["model_loaded"] = True

    return jsonify({
        "code": 0,
        "msg": f"model {model_name} loaded",
        "data": mcp_status
    })

@app.route('/mcp/model/unload', methods=['POST'])
def unload_model():
    mcp_status["current_model"] = None
    mcp_status["model_loaded"] = False
    return jsonify({"code": 0, "msg": "model unloaded"})

# ------------------------------
# 模型推理(核心 MCP 指令)
# ------------------------------
@app.route('/mcp/infer', methods=['POST'])
def infer():
    if not mcp_status["model_loaded"]:
        return jsonify({"code": 500, "msg": "no model loaded"}), 500

    data = request.get_json()
    prompt = data.get("prompt", "")
    params = data.get("params", {})

    # 模拟推理
    mcp_status["task_count"] += 1
    result = f"[MCP Response] Model: {mcp_status['current_model']}, Prompt: {prompt[:30]}..."

    return jsonify({
        "code": 0,
        "task_id": f"task_{mcp_status['task_count']}",
        "result": result,
        "params": params
    })

# ------------------------------
# 启动服务
# ------------------------------
if __name__ == '__main__':
    print("MCP Server running on http://127.0.0.1:8000")
    app.run(host='0.0.0.0', port=8000, debug=True)

3. 接口说明(标准 MCP 风格)

表格

接口 方法 用途
/mcp/ping GET 心跳
/mcp/info GET 服务状态
/mcp/model/load POST 加载模型
/mcp/model/unload POST 卸载模型
/mcp/infer POST 执行推理

测试示例(curl)

bash

运行

复制代码
# 心跳
curl http://127.0.0.1:8000/mcp/ping

# 加载模型
curl -X POST http://127.0.0.1:8000/mcp/model/load \
  -H "Content-Type: application/json" \
  -d '{"model_name":"llama-7b"}'

# 推理
curl -X POST http://127.0.0.1:8000/mcp/infer \
  -H "Content-Type: application/json" \
  -d '{"prompt":"hello mcp server","params":{"temperature":0.7}}'

4. 如果你要工业级 MCP Server

我可以基于以下方向进一步扩展:

  • FastAPI 版本(更高性能)
  • 支持流式返回 SSE / WebSocket
  • 加入认证(API Key)
  • 多模型并发调度
  • 对接真实模型(Transformers /vLLM/ Ollama)
相关推荐
wuyk5555 小时前
Python办公自动化-第01讲-环境搭建与自动化认知
python·自动化·pyqt
高洁015 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
ComPDFKit5 小时前
RAG 回答只显示 PDF 文件名?用 Python 保留引用页码
开发语言·python·pdf·rag
FRing036 小时前
vue3干货总结2(vue3生命周期、父子通信、模版引用、provide和inject)
开发语言·前端·vue.js·vue3
yz_aiks7 小时前
Termux 使用教程:把安卓手机变成随身 Linux(装 Python、SSH 远程、跑自动化脚本)
android·linux·python·智能手机·ssh·termux
琳少_8 小时前
java程序开发笔记
java·开发语言·数据库·笔记
七夜zippoe8 小时前
Agent 告警设计:分级告警、智能降噪与值班排班
开发语言·ai·agent·告警·智能降噪·值班排班
2601_967980119 小时前
Flask Web 应用
python·flask·web开发·环境变量·虚拟环境
aifannihao9 小时前
ß 大写变 SS:用 Python 算清 Ruby2Shell 的缓冲区账本
python·安全·标准库·缓冲区溢出·字符串编码
liwulin05069 小时前
【OLLAMA】调用SKILL的通用ReAct
python