MCP Server + AI agent 分組實作

課程：AI Agent 開發 — MCP（Model Context Protocol） 主題：（填入你們選的主題）

---

Server 功能總覽

說明這個 MCP Server 提供哪些 Tool

---

組員與分工

---

專案架構

├── server.py              # MCP Server 主程式
├── agent.py               # MCP Client + Gemini Agent（用 AI 產生）
├── tools/
│   ├── __init__.py
│   ├── example_tool.py    # 範例（可刪除）
│   ├── xxx_tool.py        # 組員 A 的 Tool
│   ├── xxx_tool.py        # 組員 B 的 Tool
│   └── xxx_tool.py        # 組員 C 的 Tool
├── requirements.txt
├── .env.example
├── .gitignore
└── README.md

---

使用方式

# 1. 建立虛擬環境
python3 -m venv .venv
source .venv/bin/activate

# 2. 安裝依賴
pip install -r requirements.txt

# 3. 設定 API Key
cp .env.example .env
# 編輯 .env，填入你的 GEMINI_API_KEY

# 4. 用 MCP Inspector 測試 Server
mcp dev server.py

# 5. 用 Agent 對話
python agent.py

---

測試結果

MCP Inspector 截圖

貼上 Inspector 的截圖（Tools / Resources / Prompts 三個分頁都要有）

Agent 對話截圖

貼上 Agent 對話的截圖（顯示 Gemini 呼叫 Tool 的過程，以及使用 /use 呼叫 Prompt 的結果）

---

各 Tool 說明

tool_name（負責：姓名）

• 功能：
• 使用 API：
• 參數：
• 回傳範例：

@mcp.tool()
def tool_name(param: str) -> str:
    """Tool 的 docstring（這就是 AI 看到的描述）"""
    ...

tool_name（負責：姓名）

• 功能：
• 使用 API：
• 參數：
• 回傳範例：

tool_name（負責：姓名）

• 功能：
• 使用 API：
• 參數：
• 回傳範例：

---

心得

遇到最難的問題

寫下這次實作遇到最困難的事，以及怎麼解決的

MCP 跟上週的 Tool Calling 有什麼不同？

用自己的話說說，做完後你覺得 MCP 的好處是什麼