构建支持模型上下文协议（MCP）的AI代理的全面教程

---

🌟 概述

该仓库提供完整的、动手操作之旅，从构建简单的AI代理到使用模型上下文协议（MCP）创建复杂的分布式系统。通过6个精心设计的迭代，你将掌握MCP架构的基本概念和高级模式。

🎯 你将学到什么

• 代理架构演进：从单体到模块化、协议驱动设计
• MCP 协议掌握：stdio 和 SSE 传输、工具发现、会话管理
• 生产模式：错误处理、结构化数据、多传输组合
• 现实世界集成：外部API、远程服务、分布式工具生态系统

---

🗺️ 旅程

🏁 第一赛段 天真的特工 带有硬编码工具的简单代理

🔧 第二赛段 改进型代理 异步模式与代码清理

🔌 第三赛段 MCP基金会 stdio 服务器和自定义 MCP 客户端

📚 第四赛段 官方图书馆 使用 Anthropic 的 MCP Python SDK

🌐 第五赛段 远程服务 带 ather API 集成的 SSE 传输

🌍

Step by Step to MCP Glory

A Comprehensive Tutorial for Building Model Context Protocol (MCP) Enabled AI Agents

---

🌟 Overview

This repository provides a complete, hands-on journey from building a simple AI agent to creating sophisticated, distributed systems using the Model Context Protocol (MCP). Through 6 carefully crafted iterations, you’ll master the fundamental concepts and advanced patterns of MCP architecture.

🎯 What You’ll Learn

• Agent Architecture Evolution: From monolithic to modular, protocol-driven design
• MCP Protocol Mastery: stdio and SSE transports, tool discovery, session management
• Production Patterns: Error handling, structured data, multi-transport composition
• Real-world Integration: External APIs, remote services, distributed tool ecosystems

---

🗺️ The Journey

---

🚀 Quick Start

Prerequisites

• Python 3.8+
• API Keys: Tavily (web search), OpenWeatherMap (weather)
• OpenAI API access

1-Minute Setup

# Clone and setup
git clone 
cd MCP-Transition
pip install -r requirements.txt

# Configure environment
cp .env.example .env
# Edit .env with your API keys

# Run any stage
python naive_agent.py           # Stage 1
python improved_agent.py        # Stage 2
python mcp_agent_sse.py         # Stage 5 (requires weather server)
python mcp_agent_streamable.py  # Stage 7 (requires streamable server)

Environment Variables

# .env file
OPENAI_API_KEY=your_openai_key_here
TAVILY_API_KEY=your_tavily_key_here
OPENWEATHERMAP_API_KEY=your_weather_key_here

---

📖 Detailed Documentation