Wird geladen
Wird geladen

Wir werden einen CLI-basierten Chatbot bauen, um besser zu verstehen, wie MCP-Clients und -Server zusammenarbeiten. Dieses praktische Projekt gibt dir praktische Erfahrung mit beiden Seiten der MCP-Architektur.

Wenn das Setup abgeschlossen ist, solltest du zwei Dinge können: sagen, was der Client macht und was der Server macht, und erkennen können, ob eine Antwort über ein Tool oder direkt vom Modell kam.

Was wir bauen

Unser Chatbot ermöglicht es Nutzern, über eine Kommandozeilen-Schnittstelle mit einer Sammlung von Dokumenten zu interagieren. Das System besteht aus zwei Hauptkomponenten:

  • Ein MCP-Client, der Nutzerinteraktionen verarbeitet
  • Ein benutzerdefinierter MCP-Server, der Dokumentoperationen verwaltet

Unser MCP-Client kommuniziert in beide Richtungen mit unserem MCP-Server, dessen Tools auf document.pdf, spreadsheet.xlsx, report.txt und spec.md zugreifen.

Der Server stellt zwei wesentliche Tools bereit: eines zum Lesen von Dokumentinhalten und ein weiteres zum Aktualisieren dieser Inhalte. Alle Dokumente werden der Einfachheit halber im Arbeitsspeicher gespeichert – keine Datenbank erforderlich.

Wichtiger Hinweis zur Architektur

In realen Projekten implementierst du typischerweise entweder einen MCP-Client oder einen MCP-Server, nicht beides. Du könntest Folgendes erstellen:

  • Einen MCP-Server, um deinen Dienst anderen Entwicklern zugänglich zu machen
  • Einen MCP-Client, um dich mit bestehenden MCP-Servern zu verbinden

Unser Server enthält den MCP-Client, der in beide Richtungen mit einem separaten MCP-Server kommuniziert.

Wir bauen beide Komponenten in diesem Projekt ausschließlich zu Lernzwecken – um zu verstehen, wie sie kommunizieren und zusammenarbeiten.

Projekt-Setup

Lade cli_project.zip aus dem Downloads-Bereich am Ende dieser Lektion herunter und entpacke es in dein bevorzugtes Entwicklungsverzeichnis. Öffne deinen Code-Editor im Projektordner.

Das Projekt enthält eine umfassende README-Datei mit Einrichtungsanweisungen. Folge diesen Schritten:

  1. Füge deinen Anthropic-API-Key in die Datei .env ein
  2. Installiere die Abhängigkeiten entweder mit UV (empfohlen) oder pip
  3. Führe die Starter-Anwendung aus, um sicherzustellen, dass alles funktioniert

Die Anwendung ausführen

Navigiere im Terminal zu deinem Projektverzeichnis. Du siehst die wichtigsten Projektdateien, darunter main.py, mcp_client.py und mcp_server.py.

Um die Anwendung zu starten, verwende einen der folgenden Befehle:

bash
# Bei Verwendung von UV (empfohlen)
uv run main.py

# Bei Verwendung von Standard-Python
python main.py

Wenn die Anwendung erfolgreich startet, siehst du eine Chat-Eingabeaufforderung.

Überprüfe die Ausgangslage selbst. Gib eine Frage ein, deren Antwort du auf einen Blick überprüfen kannst, zum Beispiel „Was ist 1+1?“. Gib dich nicht damit zufrieden, dass überhaupt eine Antwort erscheint: Bestätige, dass die Antwort tatsächlich 2 ist. Eine korrekte Antwort beweist, dass dein API-Key, deine Abhängigkeiten und deine Chat-Schleife alle funktionieren.

Gib dann eine zweite Frage ein, etwa „Was steht in den Dokumenten?“. Was auch immer zurückkommt, es kann nicht von den Dokument-Tools stammen, denn du hast sie noch nicht gebaut. Die Antwort kommt vom Modell selbst. Achte darauf, welche Komponente diese Aufgabe später übernehmen wird, sobald sie existiert: Der Server verwaltet die Dokumentoperationen, und der Client kümmert sich um deine Seite des Gesprächs.

Die Gewohnheit hinter dieser Überprüfung: Passe die Sorgfalt deiner Prüfung an die Kosten eines Fehlers an. Ein kaputtes Setup kostet dich hier jede spätere Lektion, die darauf aufbaut; die Überprüfung kostet zwei Fragen.

Eine Überprüfung, die sich zu behalten lohnt

Das Verhalten, das du über dieses Projekt hinaus beibehalten solltest: Jedes Mal, wenn du einer API-Projekt eine neue Schicht hinzufügst, ob Tool, Datenquelle oder MCP-Server, stelle dem laufenden System eine Frage, deren Antwort du bereits kennst, bevor du die nächste Schicht baust. Eine Ausgangslage, die du überprüft hast, ist die einzige Ausgangslage, gegen die du debuggen kannst.

Mit dem abgeschlossenen Basis-Setup sind wir bereit, mit der Implementierung von MCP-Funktionen zu beginnen und zu erkunden, wie Clients und Server über das Model Context Protocol kommunizieren.

Downloads

  • Starter project (cli_project.zip)

    The chatbot project you build on for the rest of this section.

    Herunterladen
  • Completed project (cli_project_COMPLETE.zip)

    The finished version, for checking your work.

    Herunterladen