टर्मिनल से servers का परीक्षण करने के लिए एक Python Model Context Protocol क्लाइंट बनाएँ.
यह ट्यूटोरियल दिखाता है कि कैसे servers का परीक्षण करने के लिए एक न्यूनतम Python Model Context Protocol क्लाइंट को टर्मिनल से बनाया जाए। uv, argparse, asyncio, theMCP Python SDK, and OpenAI का उपयोग करके, यह स्टूडियो पर जुड़ता है, उपकरण, संकेत और संसाधनों की सूची देता है, और server प्रतिक्रियाओं को एआई-संचालित चैट में भेजता है। गाइड परियोजना सेटअप, निर्भरताओं और व्यावहारिक सवालों को कवर करता है जो ग्राहक Model Context Protocol विकसित करते समय उत्तर देने में मदद करता है।
मुख्य बिंदुओं का सारांश
- लेख दिखाता है कि टर्मिनल से सर्वर Model Context Protocol का परीक्षण करने के लिए एक न्यूनतम Python MCP क्लाइंट कैसे बनाया जाए।
- यह एक सर्वर से कनेक्ट करने और AI चैट को पावर देने के लिए MCP Python SDK, `asyncio`, ∀argparse` और OpenAI Python SDK का उपयोग करता है।
- क्लाइंट चैट-आधारित परीक्षण चलाने से पहले एक ∀ClientSession` के माध्यम से सर्वर के उपकरण, संकेत और संसाधनों की सूची बना सकता है।
- यह परियोजना उन डेवलपर्स के उद्देश्य से है, जिन्हें MCP सर्वर व्यवहार को मान्य करने का एक त्वरित तरीका चाहिए।
मेटा विवरणः uv, argparse, ClientSession, stdio और OpenAI Python SDK का उपयोग करके अपने टर्मिनल से सर्वरों का परीक्षण करने के लिए एक Python Model Context Protocol क्लाइंट बनाएं।
टैगः पायथन, मॉडल संदर्भ प्रोटोकॉल, ओपनएआई, कमांड लाइन, यूवी
विशेष रुप से प्रदर्शित छवि: (अंग्रेज़ी में) ">"</string> एक टर्मिनल विंडो, कनेक्टेड सर्वर नोड और चैट बुलबुला दिखाने वाला अमूर्त मैत्रीपूर्ण चित्रण, बिना लोगों के, बिना लोगो और बिना शब्दों के।
यह लेख उन डेवलपर्स के लिए है जिन्हें अपने टर्मिनल से सर्वर का परीक्षण करने के लिए एक Python Model Context Protocol क्लाइंट की आवश्यकता होती है। यह बताता है कि मानक इनपुट / आउटपुट परिवहन, सूची उपकरण, संकेत और संसाधनों के माध्यम से Model Context Protocol सर्वर से कैसे कनेक्ट किया जाए, और एआई-संचालित चैट के अंदर सर्वर टूल प्रतिक्रियाओं का उपयोग करें। परियोजना MCP Python SDK, argparse, asyncio और OpenAI Python SDK का उपयोग करती है।
क्यों एक न्यूनतम कमांड लाइन क्लाइंट का निर्माण?
जब आप Model Context Protocol सर्वर कोडिंग कर रहे होते हैं, तो एक पूर्ण यूजर इंटरफेस अक्सर अनावश्यक होता है। एक छोटा कमांड-लाइन क्लाइंट तीन व्यावहारिक प्रश्नों का उत्तर दे सकता हैः क्या सर्वर शुरू हो सकता है, क्या यह मानक इनपुट/आउटपुट ट्रांसपोर्ट पर प्रोटोकॉल बोल सकता है और क्या यह आपकी अपेक्षा की क्षमताओं को उजागर करता है? इस परियोजना में, ग्राहक उपकरण, संकेत और संसाधन सूचीबद्ध करता है, फिर सर्वर टूल प्रतिक्रियाओं को एआई संचालित चैट में फ़ीड करता है।
ट्यूटोरियल संबंधित सामग्री की ओर भी इशारा करता है। यह सर्वर बनाने के बारे में विस्तार से नहीं बताता; पाठकों को Python MCP Server: Connect LLMs to Your Data tutorial में अधिक जानकारी मिल सकती है। एजेंट पक्ष के लिए, Real Python Build an AI Agent From Scratch in Python लाइव कोर्स प्रदान करता है, जहां आप हाथ से एजेंट लूप बनाते हैं और सीखते हैं कि एजेंट क्या करते हैं. आप अगली तारीखों के लिए प्रतीक्षा सूची में शामिल हो सकते हैं। पूरा लेख https://realpython.com/python-mcp-client/ पर उपलब्ध है। स्रोत पृष्ठ एक Python Tricks न्यूज़लेटर को बढ़ावा देता है जो आपके इनबॉक्स में हर कुछ दिनों में वितरित किया जाता है।
कोडिंग से पहले आवश्यक शर्तें
प्रोजेक्ट मानता है कि आप यूवी के साथ एक पायथन परियोजना का प्रबंधन कर सकते हैं। यदि आप uv का उपयोग नहीं करना पसंद करते हैं, तो आप pyenv, venv, pip या poetry जैसे वैकल्पिक टूल के संयोजन का उपयोग कर सकते हैंः आपको मानक लाइब्रेरी से asyncio और argparse पुस्तकालयों के साथ काम करने की मूल बातें भी पता होनी चाहिए। ट्यूटोरियल में Managing Python Projects With: An All-inOne Solution, Python15s asynzio: A Hands-On Walkthrough, and Build Command-Line Interfaces With Python s argperse के लिए संसाधन लिंक दिए गए हैं।
OpenAI18s Python API, openai, के साथ परिचित होना सहायक है क्योंकि आप इस लाइब्रेरी का उपयोग अपने क्लाइंट की चैट कार्यक्षमता को शक्ति देने के लिए करेंगे। यह परियोजना MCP Python SDK का भी उपयोग करती है. आपको शुरू करने से पहले हर पूर्व शर्त की आवश्यकता नहीं है; ट्यूटोरियल कहता है कि पूरी तरह से ठीक है क्योंकि आपने अपने हाथ गंदे होने की प्रक्रिया के माध्यम से सीखा है। यदि आप फंस गए हैं, तो लिंक किए गए संसाधनों की समीक्षा करने में कुछ समय लें, फिर कोड पर लौटें।
यदि आपके पास एक उपलब्ध नहीं है, तो ट्यूटोरियल में कहा गया है कि आप चरण 2 में प्रदान किए गए सर्वर का उपयोग कर सकते हैं। आप परियोजना के स्रोत कोड और संबंधित फ़ाइलों को डाउनलोड लिंक से डाउनलोड कर सकते हैंः
चरण-दर-चरण परियोजना की स्थापना
- एक टर्मिनल विंडो खोलें और उस डायरेक्टरी में जाएं जहां आप आमतौर पर अपनी परियोजनाओं को संग्रहीत करते हैं. यदि आप uv का उपयोग कर रहे हैं, तो ∀uv init mcp-client` चलाकर प्रोजेक्ट स्कैफोल्ड बनाएं।
- ∀cd mcp-client/` के साथ नई परियोजना निर्देशिका में प्रवेश करें। पहला आदेश एक नया पायथन प्रोजेक्ट बनाता है जो कि ≠mcp-क्लाइंट/` डायरेक्टरी में होगा.
- ∀uv add "mcp चलाकर परियोजना निर्भरता जोड़ें>=2.2.0, के रूप में है, तो इस प्रकार है. . . . ! .<3.0" "openai>=3.16,2, के रूप में है. . . . , . . <4.0"`. ये आदेश दिखाए गए संस्करण रेंज के भीतर MCP Python SDK और OpenAI Python SDK स्थापित करते हैं।
- उत्पन्न निर्देशिका संरचना का निरीक्षण करें। इसमें ∀n.git/`, ▽.gitignore゙, △.python-version̅, ≠README.md∂, ∫main.py∂ और ∆pyproject.toml∂ शामिल हैं। डाइरेक्टरी और फ़ाइल आपको परियोजना के संस्करण नियंत्रण में मदद करती है।
- ∀.python-version` फ़ाइल को पढ़ें। इस फाइल में वर्तमान परियोजना के लिए डिफ़ॉल्ट पायथन संस्करण होता है। यह यूवी को बताता है कि प्रोजेक्ट के लिए एक समर्पित आभासी वातावरण बनाते समय कौन सा पाइथन संस्करण उपयोग करना है। फ़ाइल में आपके द्वारा वर्तमान में उपयोग किए जा रहे पायथन दुभाषिया का संस्करण नंबर होगा।
- अपनी परियोजना के लिए मूल प्रलेखन प्रदान करने के लिए ∀README.md` का उपयोग करें। ゙main.py` फ़ाइल एक पायथन स्क्रिप्ट प्रदान करती है जिसे आप वैकल्पिक रूप से प्रोजेक्टs प्रवेश बिंदु के रूप में उपयोग कर सकते हैं। ट्यूटोरियल इस फाइल का उपयोग नहीं करता है, इसलिए आप इसे हटा सकते हैं
- क्लाइंट को तीन कार्यों के आसपास योजना बनाएं: मानक इनपुट/आउटपुट ट्रांसपोर्ट के माध्यम से सर्वर से कनेक्ट करें, क्षमताओं का पता लगाएं और चैट चलाएँ। कमांड-लाइन इंटरफेस बनाने के लिए argparse का उपयोग करें, और प्रोटोकॉल कनेक्शन के लिए MCP Python SDK का प्रयोग करें।
- सर्वर की क्षमताओं को सूचीबद्ध करने के लिए `.list_tools() `, ∀ .list_prompts (()) ゙, और ≠.lists_resources (), एक क्लाइंट सत्र उदाहरण पर कॉल करें। ये कॉल आपको पुष्टि करते हैं कि चैट पथ का प्रयास करने से पहले सर्वर क्या उजागर करता है।
- एमसीपी उपकरण प्रतिक्रियाओं को एआई-संचालित चैट सत्र में एकीकृत करने के लिए ओपनएआई Python SDK का उपयोग करें। ट्यूटोरियल तब सेटअप, क्लाइंट कार्यान्वयन, क्षमता खोज, चैट हैंडलिंग और पैकेजिंग के माध्यम से चलता है ताकि आप अपने टर्मिनल से सर्वरों का परीक्षण कर सकें।
ग्राहक आपको क्या परीक्षण करने में मदद करता है
इस परियोजना का मूल्य पृथक्करण है. आप पहले परीक्षण कर सकते हैं कि क्या एक सर्वर मानक इनपुट/आउटपुट परिवहन पर प्रतिक्रिया देता है। फिर आप पूर्ण एप्लिकेशन बनाने के बिना टूल, संकेत और संसाधनों का निरीक्षण कर सकते हैंः अंत में, आप उन सर्वर क्षमताओं को OpenAI Python SDK.s द्वारा संचालित चैट सत्र से जोड़ सकते हैं Python SDK
यह दृष्टिकोण उन डेवलपर्स के लिए उपयोगी है जो सर्वर लिख रहे हैं और व्यवहार को मान्य करने का एक त्वरित तरीका चाहिए। यह पूर्ण सर्वर ट्यूटोरियल नहीं है, और यह उत्पादन चैट एप्लिकेशन नहीं है। यह कमांड लाइन के लिए एक न्यूनतम Model Context Protocol क्लाइंट है, जिसे सर्वर परीक्षण आसान बनाने के लिए बनाया गया है।
आम गलतियाँ
- संस्करण सीमाओं को छोड़ना. ट्यूटोरियल निर्दिष्ट करता है ∀"mcp>=2.2.0, के रूप में है, तो इस प्रकार है. . . . ! .<3.0 "` और ∀"openai>=3.16,2, के रूप में है. . . . , . . <4.0"`; विभिन्न संस्करणों का उपयोग आश्चर्य पैदा कर सकता है।
- आवश्यकतानुसार `main.py∀ का उपचार करना। परियोजना इसे प्रवेश बिंदु के रूप में उपयोग नहीं करती है, और आप इसे हटा सकते हैं।
- सर्वर निर्भरता को भूलना. आपको क्लाइंट का परीक्षण करने के लिए एक Model Context Protocol सर्वर की आवश्यकता है। यदि आपके पास कोई नहीं है, तो चरण 2 में प्रदान किए गए सर्वर का उपयोग करें.
- बिना सुसंगतता के परियोजना प्रबंधन उपकरण का मिश्रण करना। लेख uv का उपयोग करता है, लेकिन विकल्प जैसे कि pyenv, venv, pip या कविता को सावधानीपूर्वक पर्यावरण सेटअप की आवश्यकता होती है।
- पूर्वापेक्षाओं को अनदेखा करना. परियोजना asyncio, argparse और OpenAI Python SDK का उपयोग करती है। यदि वे अपरिचित हैं, तो जारी रखने से पहले लिंक किए गए संसाधनों की समीक्षा करें।

Comments (0)