简介

MCP In Action 是一个实战项目,旨在帮助开发者快速掌握 Model Context Protocol(MCP) 的开发与应用. 本项目通过实际案例展示如何构建基于 MCP 的应用，使大语言模型能够与外部工具和数据源进行交互，从而增强模型的能力范围。

文档

1. MCP实战入门:让AI模型获取实时天气信息
2. MCP实战进阶:集成DeepSeek模型与MCP的天气信息助手
3. MCP实战高阶:借助LangChain快速打造MCP天气助手
4. RAG不好用?试试MCP这个"지식库优化大师"

配套视频

• 极客时间《MCP实战》

项目架构

本仓库包含以下主要项目：

项目1:MCP-오픈소스

이 프로젝트는 MCP 的开源工具,平台等.

프로젝트2:MCP-데모

이 프로젝트展示了 MCP 的基础应用,通过搭建客户端-服务器架构,让 AI 模型能够访问实时天气信息。

核心功能

• MCP 서버개발:从零构建符合 MCP 规范的服务器
• MCP 서버 调试:제공 调试방법과 최고의 实践
• MCP 客户端开发:实现与服务器通信的客户端
• DeepSeek集成:MCP客户端集成DeepSeek大模型
• LangChain 集成:在 LangChain 프레임 中使用 MCP 服务器

MCP 서버 进阶

• 데스크톱 加载:将 MCP 서비스集成到桌面应用程序
• 프롬프트 관리:优化와 模型提示
• 자원 처리:외부 자원调用与관리
• 生命周期管理:控制 MCP 서비스的完整生命周期
• 云端部署:将 MCP 서비스 部署到云端(阿里云/mcp.so)

项目3:MCP-RAG

이 프로젝트에는 专注于将 MCP 与检索增强生成 (RAG) 技术结合,展示如何通过 MCP 实现更高级的知识检索和信息整合能力。

项目目标

본프로젝트旨在构建一个基于MCP的企业RAG系统,实现以下具体目标:

目标

• 构建支持MCP协议的지식库服务和客户端
• 实现文档 智能切分, FAQ自动提取功能
• 支持复杂问题的拆解和混合检索策略

项目系统设计与实现

本项目系统设计参考自alibabacloud-tablestore-mcp-server,由于alibabacloud-tablestore-mcp-server项目使用Tablestore存储和Java实现的MCP Server,不方便于后期扩展和迭代。

MCP In Action

简介

MCP In Action 是一个实战项目，旨在帮助开发者快速掌握 Model Context Protocol (MCP) 的开发与应用。本项目通过实际案例展示如何构建基于 MCP 的应用，使大语言模型能够与外部工具和数据源进行交互，从而增强模型的能力范围。

文档

1. MCP实战入门：让AI模型获取实时天气信息
2. MCP实战进阶：集成DeepSeek模型与MCP的天气信息助手
3. MCP实战高阶：借助LangChain快速打造MCP天气助手
4. RAG不好用？试试MCP这个“知识库优化大师”

配套视频

• 极客时间《MCP实战》

项目架构

本仓库包含以下主要项目：

项目1：mcp-opensource

这个项目展示了 MCP 的开源工具，平台等。

项目2：mcp-demo

这个项目展示了 MCP 的基础应用，通过搭建客户端-服务器架构，让 AI 模型能够访问实时天气信息。

核心功能

• MCP 服务器开发：从零构建符合 MCP 规范的服务器
• MCP 服务器调试：提供调试方法和最佳实践
• MCP 客户端开发：实现与服务器通信的客户端
• DeepSeek集成：MCP客户端集成DeepSeek大模型
• LangChain 集成：在 LangChain 框架中使用 MCP 服务器

MCP Server 进阶

• Desktop 加载：将 MCP 服务集成到桌面应用程序
• Prompt 管理：优化和管理模型提示
• Resource 处理：外部资源调用与管理
• 生命周期管理：控制 MCP 服务的完整生命周期
• 云端部署：将 MCP 服务部署到云端(阿里云/mcp.so)

项目3：mcp-rag

这个项目专注于将 MCP 与检索增强生成 (RAG) 技术结合，展示如何通过 MCP 实现更高级的知识检索和信息整合能力。

项目目标

本项目旨在构建一个基于MCP的企业RAG系统，实现以下具体目标：

目标

• 构建支持MCP协议的知识库服务和客户端
• 实现文档智能切分、FAQ自动提取功能
• 支持复杂问题的拆解和混合检索策略

项目系统设计与实现

本项目系统设计参考自alibabacloud-tablestore-mcp-server，由于alibabacloud-tablestore-mcp-server项目使用Tablestore存储和Java实现的MCP Server，不方便于后期扩展和迭代。

本项目改造为Milvus存储和Python实现MCP Server和MCP Client，代码全部重写（cursor帮忙不少）。

以下设计和流程皆为alibabacloud-tablestore-mcp-server内容，在此感谢@xjtushilei 开源的alibabacloud-tablestore-mcp-server。

我们构建的基于MCP的RAG系统主要包含三个核心部分：

1. 知识库服务(MCP Server)：基于Milvus向量数据库实现的后端服务，负责文档存储和检索
2. 客户端工具(MCP Client)：与MCP Server通信的客户端，实现知识库的构建和检索功能
3. 大模型集成：通过LLM实现文档切分、FAQ提取、问题拆解和回答生成等核心功能

主要分为两部分：知识库构建和检索。

1. 知识库构建
   1. 文本切段： 对文本进行切段，切段后的内容需要保证文本完整性以及语义完整性。
   2. 提取 FAQ： 根据文本内容提取 FAQ，作为知识库检索的一个补充，以提升检索效果。
   3. 导入知识库： 将文本和 FAQ 导入知识库，并进行 Embedding 后导入向量。
2. 知识检索（RAG）