Реализация Python для создания инструментов AI Agent with MCP (Model Context Protocol) и архитектуры MCP-сервера/клиента.

###Обзор задач

Создайте и запустите MCP-сервер с помощью пользовательских инструментов, а затем реализуйте AI-агент с MCP-клиентом, который использует инструменты с созданного сервера. Эта задача демонстрирует полный рабочий процесс MCP от реализации сервера до интеграции с клиентом.

##Цели обучения

Завершив этот проект, вы узнаете:

Реализация протокола MCP: Понимание спецификации протокола Model Context и связи JSON-RPC ** Разработка сервисных инструментов**: Создание пользовательских инструментов, соответствующих стандартам MCP Интеграция с клиентами: подключение агентов ИИ к серверам MCP и управление выполнением инструментов Управление сессией: Внедрить надлежащее управление сессиями и государственное управление Потоковые ответы: работа с серверными событиями (SSE) для связи в режиме реального времени ** Обработка ошибок** Внедрение надежной обработки ошибок в распределенных системах

️ Архитектура

Требования

Python: 3.11 или выше ** Зависимости**: перечислены в requirements.txt API Access: ключ DIAL API с соответствующими разрешениями

Advanced MCP (Server & Client) Practice Task

Python implementation for building AI Agent with MCP (Model Context Protocol) tools and MCP server/client architecture.

🎯 Task Overview

Create and run an MCP server with custom tools, then implement an AI Agent with MCP Client that utilizes tools from the created server. This task demonstrates the full MCP workflow from server implementation to client integration.

🎓 Learning Goals

By completing this project, you will learn:

• MCP Protocol Implementation: Understand the Model Context Protocol specification and JSON-RPC communication
• Server-Side Tool Development: Create custom tools that follow MCP standards
• Client Integration: Connect AI agents to MCP servers and handle tool execution
• Session Management: Implement proper session handling and state management
• Streaming Responses: Work with Server-Sent Events (SSE) for real-time communication
• Error Handling: Implement robust error handling in distributed systems

🏗️ Architecture

├── agent/                        # MCP Client Implementation
│   ├── clients/
│   │   ├── custom_mcp_client.py    🚧 TODO: Pure Python MCP client
│   │   ├── mcp_client.py           ✅ Complete: Framework-based client
│   │   └── dial_client.py          ✅ Complete: AI model integration
│   ├── models/           
│   │   └── message.py              ✅ Complete: Message structures
│   └── app.py                      🚧 TODO: Test it with MCPClient and CustomMCPClient
└── mcp_server/                   # MCP Server Implementation
    ├── models/
    │   ├── request.py              ✅ Complete: Request model
    │   └── response.py             ✅ Complete: Response model
    ├── services/
    │   └── mcp_server.py           🚧 TODO: Implement core server logic
    ├── tools/
    │   ├── base.py                 ✅ Complete: Abstract tool interface
    │   ├── create_user_tool.py     🚧 TODO: Implement web search tool
    │   ├── delete_user_tool.py     🚧 TODO: Implement web search tool
    │   ├── update_user_tool.py     🚧 TODO: Implement web search tool
    │   ├── get_user_by_id_tool.py  🚧 TODO: Implement web search tool
    │   └── search_users.py         🚧 TODO: Implement web search tool
    └── server.py                   🚧 TODO: Implement FastAPI server

📋 Requirements

• Python: 3.11 or higher
• Dependencies: Listed in requirements.txt
• API Access: DIAL API key with appropriate permissions
• Network: EPAM VPN connection for internal API access
• Optional: Postman for API testing

🔧 Setup Instructions

1. Create virtual environment

   python -m venv .venv
   

2. Install Dependencies

   pip install -r requirements.txt
   

3. Environment Variables

DIAL_API_KEY=your_dial_api_key

Getting DIAL API Key:

1. Connect to EPAM VPN
2. Visit: https://support.epam.com/ess?id=sc_cat_item&table=sc_cat_item&sys_id=910603f1c3789e907509583bb001310c