加载中
加载中

既然我们的MCP服务器已经正常工作,现在是时候构建客户端了。客户端是让我们的应用程序能够与MCP服务器通信并访问其功能的部分。

理解客户端架构

在大多数实际项目中,您要么实现MCP客户端,要么实现MCP服务器——不会两者都实现。我们在这个项目中两者都构建,只是为了让您了解它们是如何协同工作的。

我们的服务器包含MCP客户端,它与一个独立的MCP服务器进行双向通信。

MCP客户端由两个主要组件组成:

  • MCP Client - 我们创建的一个自定义类,用于让会话的使用更加简便
  • Client Session - 与服务器的实际连接(属于MCP Python SDK的一部分)

在mcp_client.py中,MCP Client连接到Client Session,后者再连接到独立的MCP服务器。

客户端会话在使用完毕后需要进行适当的资源清理。这就是为什么我们将它封装在自定义的MCP Client类中——以便自动处理所有清理工作。

客户端在我们应用程序中的作用

还记得我们的应用程序流程吗?我们的CLI代码需要对MCP服务器执行两个主要操作:

下面两个步骤的时序图:MCP客户端先发送ListToolsRequest,然后发送CallToolRequest,并获取每个结果。

  1. 获取可用工具列表,发送给Claude
  2. 当Claude请求时执行工具

MCP客户端通过简单的方法调用提供这些功能,供我们的应用程序代码使用。

实现核心方法

我们需要在客户端中实现两个关键方法:list_tools()和call_tool()。

List Tools方法

该方法从服务器获取所有可用工具:

python
async def list_tools(self) -> list[types.Tool]:
    result = await self.session().list_tools()
    return result.tools

这很简单——我们访问会话(与服务器的连接),调用内置的list_tools()函数,并从结果中返回工具列表。

Call Tool方法

该方法在服务器上执行特定的工具:

python
async def call_tool(
    self, tool_name: str, tool_input: dict
) -> types.CallToolResult | None:
    return await self.session().call_tool(tool_name, tool_input)

我们将工具名称和输入参数(由Claude提供)传递给服务器,并返回结果。

测试客户端

为了测试我们的实现,可以直接运行客户端。该文件底部包含一个简单的测试工具。让它调用我们新建的其中一个方法,并打印结果:

python
async with MCPClient(
    command="uv", args=["run", "mcp_server.py"]
) as client:
    result = await client.list_tools()
    print(result)

运行此测试时,我们应该会看到打印出我们的工具定义,包括我们之前创建的read_doc_contents和edit_document工具。

整合所有内容

现在我们的客户端可以列出工具并调用它们,我们可以测试完整的流程了。当我们运行主应用程序并向Claude询问某个文档时:

  1. 我们的代码使用客户端获取可用工具
  2. 这些工具连同用户的问题一起发送给Claude
  3. Claude决定使用read_doc_contents工具
  4. 我们的代码使用客户端执行该工具
  5. 结果被发送回Claude,然后Claude再回复用户

举例来说,询问"report.pdf文档的内容是什么?"将触发Claude使用我们的文档读取工具,我们将获得关于我们在服务器中设置的20米冷凝塔文档的信息。

客户端充当我们的应用程序逻辑与MCP服务器之间的桥梁,使我们能够轻松访问服务器功能,而无需担心底层的连接细节。