載入中
載入中

現在我們的 MCP 伺服器已經運作,接下來該建置客戶端了。客戶端是讓我們的應用程式能夠與 MCP 伺服器通訊並存取其功能的元件。

了解客戶端架構

在大多數實際專案中,您通常只會實作 MCP 客戶端「或」MCP 伺服器——而不是兩者都做。在本專案中我們兩者都實作,只是為了讓您了解它們如何協同運作。

我們的伺服器包含 MCP 客戶端,該客戶端以雙向方式與獨立的 MCP 伺服器通訊。

MCP 客戶端由兩個主要元件組成:

  • MCP Client - 我們自行建立的自訂類別,用來讓使用 Session 更加簡便
  • Client Session - 與伺服器的實際連線(屬於 MCP Python SDK 的一部分)

在 mcp_client.py 中,MCP Client 連接到 Client Session,而 Client Session 則連接到獨立的 MCP 伺服器。

Client Session 在使用完畢後需要妥善清理資源。這就是為什麼我們將其包裝在自訂的 MCP Client 類別中——以便自動處理所有的清理工作。

客戶端如何融入我們的應用程式

還記得我們的應用程式流程嗎?我們的 CLI 程式碼需要針對 MCP 伺服器完成兩項主要工作:

下方兩個步驟的序列圖:MCP 客戶端先傳送 ListToolsRequest,接著傳送 CallToolRequest,並取得各自的結果。

  1. 取得可用工具清單,以傳送給 Claude
  2. 在 Claude 要求時執行工具

MCP 客戶端透過簡單的方法呼叫,提供這些能力供我們的應用程式程式碼使用。

實作核心方法

我們需要在客戶端中實作兩個關鍵方法:list_tools() 和 call_tool()。

List Tools 方法

此方法會取得伺服器上所有可用的工具:

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

這很簡單——我們存取我們的 session(與伺服器的連線),呼叫內建的 list_tools() 函式,並從結果中回傳工具清單。

Call Tool 方法

此方法會在伺服器上執行特定的工具:

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)

我們將工具名稱和輸入參數(由 Claude 提供)傳遞給伺服器,並回傳結果。

測試客戶端

為了測試我們的實作,我們可以直接執行客戶端。該檔案底部包含一個簡單的測試工具。讓它呼叫我們其中一個新方法並印出結果:

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

執行這個測試時,我們應該會看到印出的工具定義,包括我們先前建立的 read_doc_contents 和 edit_document 工具。

整合所有內容

既然我們的客戶端可以列出工具並呼叫它們,我們就可以測試完整的流程了。當我們執行主應用程式並詢問 Claude 有關某份文件的問題時:

  1. 我們的程式碼使用客戶端來取得可用工具
  2. 這些工具會連同使用者的問題一起傳送給 Claude
  3. Claude 決定使用 read_doc_contents 工具
  4. 我們的程式碼使用客戶端來執行該工具
  5. 結果會被傳回給 Claude,接著 Claude 再回應使用者

舉例來說,詢問「report.pdf 文件的內容是什麼?」會觸發 Claude 使用我們的文件讀取工具,然後我們會取得有關我們在伺服器中設定的 20 公尺冷凝塔文件的資訊。

客戶端扮演著我們的應用程式邏輯與 MCP 伺服器之間的橋樑,讓我們能夠輕鬆存取伺服器功能,而不必擔心底層連線的細節。