- Python
- TypeScript
- Java
- Kotlin
- C#
您可以在此处找到本教程的完整代码。将 您可以在此处找到完整的 客户端将会
系统要求
在开始之前,请确保您的系统满足以下要求- Mac 或 Windows 电脑
- 已安装最新版本的 Python
- 已安装最新版本的
uv
环境配置
首先,使用uv 创建一个新的 Python 项目复制
# Create project directory
uv init mcp-client
cd mcp-client
# Create virtual environment
uv venv
# Activate virtual environment
source .venv/bin/activate
# Install required packages
uv add mcp anthropic python-dotenv
# Remove boilerplate files
rm main.py
# Create our main file
touch client.py
配置 API 密钥
您需要从 Anthropic 控制台获取 Anthropic API 密钥。创建一个.env 文件来存储它:复制
echo "ANTHROPIC_API_KEY=your-api-key-goes-here" > .env
.env 添加到您的 .gitignore 中复制
echo ".env" >> .gitignore
请务必确保您的
ANTHROPIC_API_KEY 安全!创建客户端
基础客户端结构
首先,让我们设置导入并创建基础客户端类复制
import asyncio
from typing import Optional
from contextlib import AsyncExitStack
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
from anthropic import Anthropic
from dotenv import load_dotenv
load_dotenv() # load environment variables from .env
class MCPClient:
def __init__(self):
# Initialize session and client objects
self.session: Optional[ClientSession] = None
self.exit_stack = AsyncExitStack()
self.anthropic = Anthropic()
# methods will go here
服务器连接管理
接下来,我们将实现连接到 MCP 服务器的方法复制
async def connect_to_server(self, server_script_path: str):
"""Connect to an MCP server
Args:
server_script_path: Path to the server script (.py or .js)
"""
is_python = server_script_path.endswith('.py')
is_js = server_script_path.endswith('.js')
if not (is_python or is_js):
raise ValueError("Server script must be a .py or .js file")
command = "python" if is_python else "node"
server_params = StdioServerParameters(
command=command,
args=[server_script_path],
env=None
)
stdio_transport = await self.exit_stack.enter_async_context(stdio_client(server_params))
self.stdio, self.write = stdio_transport
self.session = await self.exit_stack.enter_async_context(ClientSession(self.stdio, self.write))
await self.session.initialize()
# List available tools
response = await self.session.list_tools()
tools = response.tools
print("\nConnected to server with tools:", [tool.name for tool in tools])
查询处理逻辑
现在,让我们添加处理查询和处理工具调用的核心功能复制
async def process_query(self, query: str) -> str:
"""Process a query using Claude and available tools"""
messages = [
{
"role": "user",
"content": query
}
]
response = await self.session.list_tools()
available_tools = [{
"name": tool.name,
"description": tool.description,
"input_schema": tool.inputSchema
} for tool in response.tools]
# Initial Claude API call
response = self.anthropic.messages.create(
model="claude-sonnet-4-20250514",
max_tokens=1000,
messages=messages,
tools=available_tools
)
# Process response and handle tool calls
final_text = []
assistant_message_content = []
for content in response.content:
if content.type == 'text':
final_text.append(content.text)
assistant_message_content.append(content)
elif content.type == 'tool_use':
tool_name = content.name
tool_args = content.input
# Execute tool call
result = await self.session.call_tool(tool_name, tool_args)
final_text.append(f"[Calling tool {tool_name} with args {tool_args}]")
assistant_message_content.append(content)
messages.append({
"role": "assistant",
"content": assistant_message_content
})
messages.append({
"role": "user",
"content": [
{
"type": "tool_result",
"tool_use_id": content.id,
"content": result.content
}
]
})
# Get next response from Claude
response = self.anthropic.messages.create(
model="claude-sonnet-4-20250514",
max_tokens=1000,
messages=messages,
tools=available_tools
)
final_text.append(response.content[0].text)
return "\n".join(final_text)
交互式聊天界面
现在我们将添加聊天循环和清理功能复制
async def chat_loop(self):
"""Run an interactive chat loop"""
print("\nMCP Client Started!")
print("Type your queries or 'quit' to exit.")
while True:
try:
query = input("\nQuery: ").strip()
if query.lower() == 'quit':
break
response = await self.process_query(query)
print("\n" + response)
except Exception as e:
print(f"\nError: {str(e)}")
async def cleanup(self):
"""Clean up resources"""
await self.exit_stack.aclose()
主入口点
最后,我们将添加主执行逻辑复制
async def main():
if len(sys.argv) < 2:
print("Usage: python client.py <path_to_server_script>")
sys.exit(1)
client = MCPClient()
try:
await client.connect_to_server(sys.argv[1])
await client.chat_loop()
finally:
await client.cleanup()
if __name__ == "__main__":
import sys
asyncio.run(main())
client.py 文件。核心组件详解
1. 客户端初始化
MCPClient类初始化会话管理和 API 客户端- 使用
AsyncExitStack进行妥善的资源管理 - 为 Claude 交互配置 Anthropic 客户端
2. 服务器连接
- 同时支持 Python 和 Node.js 服务器
- 验证服务器脚本类型
- 设置正确的通信渠道
- 初始化会话并列出可用工具
3. 查询处理
- 维护对话上下文
- 处理 Claude 的响应和工具调用
- 管理 Claude 与工具之间的消息流
- 将结果整合为连贯的响应
4. 交互界面
- 提供简单的命令行界面
- 处理用户输入并显示响应
- 包含基础错误处理
- 允许正常退出
5. 资源管理
- 正确清理资源
- 针对连接问题的错误处理
- 正常停机程序
常用自定义点
-
工具处理
- 修改
process_query()以处理特定工具类型 - 为工具调用添加自定义错误处理
- 实现特定工具的响应格式化
- 修改
-
响应处理
- 自定义工具结果的格式化方式
- 添加响应过滤或转换
- 实现自定义日志记录
-
用户界面
- 添加 GUI 或 Web 界面
- 实现丰富的控制台输出
- 添加命令历史记录或自动补全
运行客户端
使用任何 MCP 服务器运行您的客户端复制
uv run client.py path/to/server.py # python server
uv run client.py path/to/build/index.js # node server
如果您正在继续执行服务器快速入门中的天气教程,您的命令可能如下所示:
python client.py .../quickstart-resources/weather-server-python/weather.py- 连接到指定的服务器
- 列出可用工具
- 启动交互式聊天会话,您可以:
- 输入查询
- 查看工具执行情况
- 获取来自 Claude 的响应

工作原理
当您提交查询时- 客户端从服务器获取可用工具列表
- 您的查询连同工具描述一起发送给 Claude
- Claude 决定使用哪些工具(如果有)
- 客户端通过服务器执行任何请求的工具调用
- 结果被发回给 Claude
- Claude 提供自然语言响应
- 响应将显示给您
最佳实践
-
错误处理
- 始终将工具调用包裹在 try-catch 块中
- 提供有意义的错误消息
- 优雅地处理连接问题
-
资源管理
- 使用
AsyncExitStack进行正确清理 - 完成后关闭连接
- 处理服务器断开连接的情况
- 使用
-
安全性
- 在
.env中安全存储 API 密钥 - 验证服务器响应
- 谨慎对待工具权限
- 在
-
工具名称
- 工具名称可以根据此处指定的格式进行验证
- 如果工具名称符合指定格式,MCP 客户端的验证不应失败
故障排除
服务器路径问题
- 仔细检查服务器脚本的路径是否正确
- 如果相对路径不起作用,请使用绝对路径
- 对于 Windows 用户,请确保在路径中使用正斜杠 (/) 或转义的反斜杠 (\)
- 验证服务器文件是否具有正确的扩展名(Python 为 .py,Node.js 为 .js)
复制
# Relative path
uv run client.py ./server/weather.py
# Absolute path
uv run client.py /Users/username/projects/mcp-server/weather.py
# Windows path (either format works)
uv run client.py C:/projects/mcp-server/weather.py
uv run client.py C:\\projects\\mcp-server\\weather.py
响应时间
- 第一次响应可能需要长达 30 秒才能返回
- 这是正常现象,发生于:
- 服务器初始化
- Claude 处理查询
- 工具正在执行
- 后续响应通常会更快
- 不要在初始等待期间中断进程
常见错误消息
如果您看到FileNotFoundError:检查您的服务器路径Connection refused:确保服务器正在运行且路径正确Tool execution failed:验证是否设置了工具所需的环境变量Timeout error:考虑增加客户端配置中的超时时间
您可以在此处找到本教程的完整代码。更新您的 在项目根目录下创建一个 将 客户端将会
系统要求
在开始之前,请确保您的系统满足以下要求- Mac 或 Windows 电脑
- 已安装 Node.js 17 或更高版本
- 已安装最新版本的
npm - Anthropic API 密钥 (Claude)
环境配置
首先,让我们创建并设置我们的项目复制
# Create project directory
mkdir mcp-client-typescript
cd mcp-client-typescript
# Initialize npm project
npm init -y
# Install dependencies
npm install @anthropic-ai/sdk @modelcontextprotocol/sdk dotenv
# Install dev dependencies
npm install -D @types/node typescript
# Create source file
touch index.ts
package.json 以设置 type: "module" 和构建脚本package.json
复制
{
"type": "module",
"scripts": {
"build": "tsc && chmod 755 build/index.js"
}
}
tsconfig.jsontsconfig.json
复制
{
"compilerOptions": {
"target": "ES2022",
"module": "Node16",
"moduleResolution": "Node16",
"outDir": "./build",
"rootDir": "./",
"strict": true,
"esModuleInterop": true,
"skipLibCheck": true,
"forceConsistentCasingInFileNames": true
},
"include": ["index.ts"],
"exclude": ["node_modules"]
}
配置 API 密钥
您需要从 Anthropic 控制台获取 Anthropic API 密钥。创建一个.env 文件来存储它:复制
echo "ANTHROPIC_API_KEY=<your key here>" > .env
.env 添加到您的 .gitignore 中复制
echo ".env" >> .gitignore
请务必确保您的
ANTHROPIC_API_KEY 安全!创建客户端
基础客户端结构
首先,让我们在index.ts 中设置导入并创建基础客户端类复制
import { Anthropic } from "@anthropic-ai/sdk";
import {
MessageParam,
Tool,
} from "@anthropic-ai/sdk/resources/messages/messages.mjs";
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
import readline from "readline/promises";
import dotenv from "dotenv";
dotenv.config();
const ANTHROPIC_API_KEY = process.env.ANTHROPIC_API_KEY;
if (!ANTHROPIC_API_KEY) {
throw new Error("ANTHROPIC_API_KEY is not set");
}
class MCPClient {
private mcp: Client;
private anthropic: Anthropic;
private transport: StdioClientTransport | null = null;
private tools: Tool[] = [];
constructor() {
this.anthropic = new Anthropic({
apiKey: ANTHROPIC_API_KEY,
});
this.mcp = new Client({ name: "mcp-client-cli", version: "1.0.0" });
}
// methods will go here
}
服务器连接管理
接下来,我们将实现连接到 MCP 服务器的方法复制
async connectToServer(serverScriptPath: string) {
try {
const isJs = serverScriptPath.endsWith(".js");
const isPy = serverScriptPath.endsWith(".py");
if (!isJs && !isPy) {
throw new Error("Server script must be a .js or .py file");
}
const command = isPy
? process.platform === "win32"
? "python"
: "python3"
: process.execPath;
this.transport = new StdioClientTransport({
command,
args: [serverScriptPath],
});
await this.mcp.connect(this.transport);
const toolsResult = await this.mcp.listTools();
this.tools = toolsResult.tools.map((tool) => {
return {
name: tool.name,
description: tool.description,
input_schema: tool.inputSchema,
};
});
console.log(
"Connected to server with tools:",
this.tools.map(({ name }) => name)
);
} catch (e) {
console.log("Failed to connect to MCP server: ", e);
throw e;
}
}
查询处理逻辑
现在,让我们添加处理查询和处理工具调用的核心功能复制
async processQuery(query: string) {
const messages: MessageParam[] = [
{
role: "user",
content: query,
},
];
const response = await this.anthropic.messages.create({
model: "claude-sonnet-4-20250514",
max_tokens: 1000,
messages,
tools: this.tools,
});
const finalText = [];
for (const content of response.content) {
if (content.type === "text") {
finalText.push(content.text);
} else if (content.type === "tool_use") {
const toolName = content.name;
const toolArgs = content.input as { [x: string]: unknown } | undefined;
const result = await this.mcp.callTool({
name: toolName,
arguments: toolArgs,
});
finalText.push(
`[Calling tool ${toolName} with args ${JSON.stringify(toolArgs)}]`
);
messages.push({
role: "user",
content: result.content as string,
});
const response = await this.anthropic.messages.create({
model: "claude-sonnet-4-20250514",
max_tokens: 1000,
messages,
});
finalText.push(
response.content[0].type === "text" ? response.content[0].text : ""
);
}
}
return finalText.join("\n");
}
交互式聊天界面
现在我们将添加聊天循环和清理功能复制
async chatLoop() {
const rl = readline.createInterface({
input: process.stdin,
output: process.stdout,
});
try {
console.log("\nMCP Client Started!");
console.log("Type your queries or 'quit' to exit.");
while (true) {
const message = await rl.question("\nQuery: ");
if (message.toLowerCase() === "quit") {
break;
}
const response = await this.processQuery(message);
console.log("\n" + response);
}
} finally {
rl.close();
}
}
async cleanup() {
await this.mcp.close();
}
主入口点
最后,我们将添加主执行逻辑复制
async function main() {
if (process.argv.length < 3) {
console.log("Usage: node index.ts <path_to_server_script>");
return;
}
const mcpClient = new MCPClient();
try {
await mcpClient.connectToServer(process.argv[2]);
await mcpClient.chatLoop();
} catch (e) {
console.error("Error:", e);
await mcpClient.cleanup();
process.exit(1);
} finally {
await mcpClient.cleanup();
process.exit(0);
}
}
main();
运行客户端
使用任何 MCP 服务器运行您的客户端复制
# Build TypeScript
npm run build
# Run the client
node build/index.js path/to/server.py # python server
node build/index.js path/to/build/index.js # node server
如果您正在继续执行服务器快速入门中的天气教程,您的命令可能如下所示:
node build/index.js .../quickstart-resources/weather-server-typescript/build/index.js- 连接到指定的服务器
- 列出可用工具
- 启动交互式聊天会话,您可以:
- 输入查询
- 查看工具执行情况
- 获取来自 Claude 的响应
工作原理
当您提交查询时- 客户端从服务器获取可用工具列表
- 您的查询连同工具描述一起发送给 Claude
- Claude 决定使用哪些工具(如果有)
- 客户端通过服务器执行任何请求的工具调用
- 结果被发回给 Claude
- Claude 提供自然语言响应
- 响应将显示给您
最佳实践
-
错误处理
- 使用 TypeScript 的类型系统进行更好的错误检测
- 将工具调用包裹在 try-catch 块中
- 提供有意义的错误消息
- 优雅地处理连接问题
-
安全性
- 在
.env中安全存储 API 密钥 - 验证服务器响应
- 谨慎对待工具权限
- 在
故障排除
服务器路径问题
- 仔细检查服务器脚本的路径是否正确
- 如果相对路径不起作用,请使用绝对路径
- 对于 Windows 用户,请确保在路径中使用正斜杠 (/) 或转义的反斜杠 (\)
- 验证服务器文件是否具有正确的扩展名(Node.js 为 .js,Python 为 .py)
复制
# Relative path
node build/index.js ./server/build/index.js
# Absolute path
node build/index.js /Users/username/projects/mcp-server/build/index.js
# Windows path (either format works)
node build/index.js C:/projects/mcp-server/build/index.js
node build/index.js C:\\projects\\mcp-server\\build\\index.js
响应时间
- 第一次响应可能需要长达 30 秒才能返回
- 这是正常现象,发生于:
- 服务器初始化
- Claude 处理查询
- 工具正在执行
- 后续响应通常会更快
- 不要在初始等待期间中断进程
常见错误消息
如果您看到Error: Cannot find module:检查您的构建文件夹并确保 TypeScript 编译成功Connection refused:确保服务器正在运行且路径正确Tool execution failed:验证是否设置了工具所需的环境变量ANTHROPIC_API_KEY is not set:检查您的 .env 文件和环境变量TypeError:确保您为工具参数使用了正确的类型BadRequestError:确保您有足够的额度来访问 Anthropic API
这是一个基于 Spring AI MCP 自动配置和 Boot Starter 的快速入门演示。要了解如何手动创建同步和异步 MCP 客户端,请参考 Java SDK 客户端文档
系统要求
在开始之前,请确保您的系统满足以下要求- Java 17 或更高版本
- Maven 3.6+
- npx 包管理器
- Anthropic API 密钥 (Claude)
- Brave Search API 密钥
环境配置
-
安装 npx (Node Package eXecute):首先,确保安装了 npm,然后运行
复制
npm install -g npx -
克隆存储库
复制
git clone https://github.com/spring-projects/spring-ai-examples.git cd model-context-protocol/web-search/brave-chatbot -
配置您的 API 密钥
复制
export ANTHROPIC_API_KEY='your-anthropic-api-key-here' export BRAVE_API_KEY='your-brave-api-key-here' -
构建应用程序
复制
./mvnw clean install -
使用 Maven 运行应用程序
复制
./mvnw spring-boot:run
请务必确保您的
ANTHROPIC_API_KEY 和 BRAVE_API_KEY 密钥安全!工作原理
该应用程序通过多个组件将 Spring AI 与 Brave Search MCP 服务器集成MCP 客户端配置
- pom.xml 中的必要依赖项
复制
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-client</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-anthropic</artifactId>
</dependency>
- 应用属性 (application.yml)
复制
spring:
ai:
mcp:
client:
enabled: true
name: brave-search-client
version: 1.0.0
type: SYNC
request-timeout: 20s
stdio:
root-change-notification: true
servers-configuration: classpath:/mcp-servers-config.json
toolcallback:
enabled: true
anthropic:
api-key: ${ANTHROPIC_API_KEY}
spring-ai-starter-mcp-client,根据提供的服务器配置创建一个或多个 McpClient。spring.ai.mcp.client.toolcallback.enabled=true 属性启用了工具回调机制,该机制会自动将所有 MCP 工具注册为 Spring AI 工具。该功能默认禁用。- MCP 服务器配置 (
mcp-servers-config.json)
复制
{
"mcpServers": {
"brave-search": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-brave-search"],
"env": {
"BRAVE_API_KEY": "<PUT YOUR BRAVE API KEY>"
}
}
}
}
聊天实现
聊天机器人使用集成了 MCP 工具的 Spring AI ChatClient 实现复制
var chatClient = chatClientBuilder
.defaultSystem("You are useful assistant, expert in AI and Java.")
.defaultToolCallbacks((Object[]) mcpToolAdapter.toolCallbacks())
.defaultAdvisors(new MessageChatMemoryAdvisor(new InMemoryChatMemory()))
.build();
- 使用 Claude AI 模型进行自然语言理解
- 通过 MCP 集成 Brave Search,实现实时网页搜索功能
- 使用 InMemoryChatMemory 维护对话记忆
- 作为交互式命令行应用程序运行
构建并运行
复制
./mvnw clean install
java -jar ./target/ai-mcp-brave-chatbot-0.0.1-SNAPSHOT.jar
复制
./mvnw spring-boot:run
- 利用其内置知识回答问题
- 在需要时使用 Brave Search 进行网页搜索
- 记住对话中先前消息的上下文
- 整合来自多个来源的信息以提供全面的答案
高级配置
MCP 客户端支持额外的配置选项- 通过
McpSyncClientCustomizer或McpAsyncClientCustomizer进行客户端自定义 - 支持多种传输类型的多个客户端:
STDIO和SSE(Server-Sent Events) - 与 Spring AI 的工具执行框架集成
- 自动客户端初始化和生命周期管理
复制
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId>
</dependency>
您可以在此处找到本教程的完整代码。现在,让我们创建并设置您的项目运行 此外,在构建脚本中添加以下插件同时创建一个辅助函数,用于为 Anthropic 将 客户端将会
系统要求
在开始之前,请确保您的系统满足以下要求- Java 17 或更高版本
- Anthropic API 密钥 (Claude)
配置您的环境
首先,如果您尚未安装java 和 gradle,请先安装。您可以从 Oracle JDK 官方网站下载 java。验证您的 java 安装复制
java --version
复制
# Create a new directory for our project
mkdir kotlin-mcp-client
cd kotlin-mcp-client
# Initialize a new kotlin project
gradle init
gradle init 后,系统会提示您创建项目的选项。选择 Application 作为项目类型,Kotlin 作为编程语言,Java 17 作为 Java 版本。或者,您可以使用 IntelliJ IDEA 项目向导创建一个 Kotlin 应用程序。创建项目后,添加以下依赖项:复制
val mcpVersion = "0.4.0"
val slf4jVersion = "2.0.9"
val anthropicVersion = "0.8.0"
dependencies {
implementation("io.modelcontextprotocol:kotlin-sdk:$mcpVersion")
implementation("org.slf4j:slf4j-nop:$slf4jVersion")
implementation("com.anthropic:anthropic-java:$anthropicVersion")
}
复制
plugins {
id("com.gradleup.shadow") version "8.3.9"
}
配置您的 API 密钥
您需要从 Anthropic 控制台获取 Anthropic API 密钥。设置您的 API 密钥:复制
export ANTHROPIC_API_KEY='your-anthropic-api-key-here'
请务必确保您的
ANTHROPIC_API_KEY 安全!创建客户端
基础客户端结构
首先,让我们创建基础客户端类复制
class MCPClient : AutoCloseable {
private val anthropic = AnthropicOkHttpClient.fromEnv()
private val mcp: Client = Client(clientInfo = Implementation(name = "mcp-client-cli", version = "1.0.0"))
private lateinit var tools: List<ToolUnion>
// methods will go here
override fun close() {
runBlocking {
mcp.close()
anthropic.close()
}
}
服务器连接管理
接下来,我们将实现连接到 MCP 服务器的方法复制
suspend fun connectToServer(serverScriptPath: String) {
try {
val command = buildList {
when (serverScriptPath.substringAfterLast(".")) {
"js" -> add("node")
"py" -> add(if (System.getProperty("os.name").lowercase().contains("win")) "python" else "python3")
"jar" -> addAll(listOf("java", "-jar"))
else -> throw IllegalArgumentException("Server script must be a .js, .py or .jar file")
}
add(serverScriptPath)
}
val process = ProcessBuilder(command).start()
val transport = StdioClientTransport(
input = process.inputStream.asSource().buffered(),
output = process.outputStream.asSink().buffered()
)
mcp.connect(transport)
val toolsResult = mcp.listTools()
tools = toolsResult?.tools?.map { tool ->
ToolUnion.ofTool(
Tool.builder()
.name(tool.name)
.description(tool.description ?: "")
.inputSchema(
Tool.InputSchema.builder()
.type(JsonValue.from(tool.inputSchema.type))
.properties(tool.inputSchema.properties.toJsonValue())
.putAdditionalProperty("required", JsonValue.from(tool.inputSchema.required))
.build()
)
.build()
)
} ?: emptyList()
println("Connected to server with tools: ${tools.joinToString(", ") { it.tool().get().name() }}")
} catch (e: Exception) {
println("Failed to connect to MCP server: $e")
throw e
}
}
JsonObject 转换为 JsonValue复制
private fun JsonObject.toJsonValue(): JsonValue {
val mapper = ObjectMapper()
val node = mapper.readTree(this.toString())
return JsonValue.fromJsonNode(node)
}
查询处理逻辑
现在,让我们添加处理查询和处理工具调用的核心功能复制
private val messageParamsBuilder: MessageCreateParams.Builder = MessageCreateParams.builder()
.model(Model.CLAUDE_SONNET_4_20250514)
.maxTokens(1024)
suspend fun processQuery(query: String): String {
val messages = mutableListOf(
MessageParam.builder()
.role(MessageParam.Role.USER)
.content(query)
.build()
)
val response = anthropic.messages().create(
messageParamsBuilder
.messages(messages)
.tools(tools)
.build()
)
val finalText = mutableListOf<String>()
response.content().forEach { content ->
when {
content.isText() -> finalText.add(content.text().getOrNull()?.text() ?: "")
content.isToolUse() -> {
val toolName = content.toolUse().get().name()
val toolArgs =
content.toolUse().get()._input().convert(object : TypeReference<Map<String, JsonValue>>() {})
val result = mcp.callTool(
name = toolName,
arguments = toolArgs ?: emptyMap()
)
finalText.add("[Calling tool $toolName with args $toolArgs]")
messages.add(
MessageParam.builder()
.role(MessageParam.Role.USER)
.content(
"""
"type": "tool_result",
"tool_name": $toolName,
"result": ${result?.content?.joinToString("\n") { (it as TextContent).text ?: "" }}
""".trimIndent()
)
.build()
)
val aiResponse = anthropic.messages().create(
messageParamsBuilder
.messages(messages)
.build()
)
finalText.add(aiResponse.content().first().text().getOrNull()?.text() ?: "")
}
}
}
return finalText.joinToString("\n", prefix = "", postfix = "")
}
交互式聊天
我们将添加聊天循环复制
suspend fun chatLoop() {
println("\nMCP Client Started!")
println("Type your queries or 'quit' to exit.")
while (true) {
print("\nQuery: ")
val message = readLine() ?: break
if (message.lowercase() == "quit") break
val response = processQuery(message)
println("\n$response")
}
}
主入口点
最后,我们将添加主执行函数复制
fun main(args: Array<String>) = runBlocking {
if (args.isEmpty()) throw IllegalArgumentException("Usage: java -jar <your_path>/build/libs/kotlin-mcp-client-0.1.0-all.jar <path_to_server_script>")
val serverPath = args.first()
val client = MCPClient()
client.use {
client.connectToServer(serverPath)
client.chatLoop()
}
}
运行客户端
使用任何 MCP 服务器运行您的客户端复制
./gradlew build
# Run the client
java -jar build/libs/<your-jar-name>.jar path/to/server.jar # jvm server
java -jar build/libs/<your-jar-name>.jar path/to/server.py # python server
java -jar build/libs/<your-jar-name>.jar path/to/build/index.js # node server
如果您正在继续执行服务器快速入门中的天气教程,您的命令可能如下所示:
java -jar build/libs/kotlin-mcp-client-0.1.0-all.jar .../samples/weather-stdio-server/build/libs/weather-stdio-server-0.1.0-all.jar- 连接到指定的服务器
- 列出可用工具
- 启动交互式聊天会话,您可以:
- 输入查询
- 查看工具执行情况
- 获取来自 Claude 的响应
工作原理
这是一个高层级工作流模式图当您提交查询时- 客户端从服务器获取可用工具列表
- 您的查询连同工具描述一起发送给 Claude
- Claude 决定使用哪些工具(如果有)
- 客户端通过服务器执行任何请求的工具调用
- 结果被发回给 Claude
- Claude 提供自然语言响应
- 响应将显示给您
最佳实践
-
错误处理
- 利用 Kotlin 的类型系统显式建模错误
- 在可能发生异常时,将外部工具和 API 调用包裹在
try-catch块中 - 提供清晰且有意义的错误消息
- 优雅地处理网络超时和连接问题
-
安全性
- 在
local.properties、环境变量或密钥管理器中安全地存储 API 密钥和密钥 - 验证所有外部响应,避免意外或不安全的数据使用
- 在使用工具时,请谨慎处理权限和信任边界
- 在
故障排除
服务器路径问题
- 仔细检查服务器脚本的路径是否正确
- 如果相对路径不起作用,请使用绝对路径
- 对于 Windows 用户,请确保在路径中使用正斜杠 (/) 或转义的反斜杠 (\)
- 确保已安装所需的运行环境(Java 为 java,Node.js 为 npm,或 Python 为 uv)
- 验证服务器文件是否具有正确的扩展名(Java 为 .jar,Node.js 为 .js 或 Python 为 .py)
复制
# Relative path
java -jar build/libs/client.jar ./server/build/libs/server.jar
# Absolute path
java -jar build/libs/client.jar /Users/username/projects/mcp-server/build/libs/server.jar
# Windows path (either format works)
java -jar build/libs/client.jar C:/projects/mcp-server/build/libs/server.jar
java -jar build/libs/client.jar C:\\projects\\mcp-server\\build\\libs\\server.jar
响应时间
- 第一次响应可能需要长达 30 秒才能返回
- 这是正常现象,发生于:
- 服务器初始化
- Claude 处理查询
- 工具正在执行
- 后续响应通常会更快
- 不要在初始等待期间中断进程
常见错误消息
如果您看到Connection refused:确保服务器正在运行且路径正确Tool execution failed:验证是否设置了工具所需的环境变量ANTHROPIC_API_KEY is not set:检查您的环境变量
您可以在此处找到本教程的完整代码。然后,向您的项目添加所需的依赖项这将创建一个能够从用户机密(user secrets)中读取 API 密钥的 .NET 控制台应用程序雏形。接下来,我们将设置 MCP 客户端:在 这将创建一个 MCP 客户端,它将连接到作为命令行参数提供的服务器。然后它会列出所连接服务器的可用工具。客户端将会
系统要求
在开始之前,请确保您的系统满足以下要求- .NET 8.0 或更高版本
- Anthropic API 密钥 (Claude)
- Windows、Linux 或 macOS
配置您的环境
首先,创建一个新的 .NET 项目复制
dotnet new console -n QuickstartClient
cd QuickstartClient
复制
dotnet add package ModelContextProtocol --prerelease
dotnet add package Anthropic.SDK
dotnet add package Microsoft.Extensions.Hosting
dotnet add package Microsoft.Extensions.AI
配置您的 API 密钥
您需要从 Anthropic 控制台获取 Anthropic API 密钥。复制
dotnet user-secrets init
dotnet user-secrets set "ANTHROPIC_API_KEY" "<your key here>"
创建客户端
基础客户端结构
首先,让我们在Program.cs 文件中设置基础客户端类复制
using Anthropic.SDK;
using Microsoft.Extensions.AI;
using Microsoft.Extensions.Configuration;
using Microsoft.Extensions.Hosting;
using ModelContextProtocol.Client;
using ModelContextProtocol.Protocol.Transport;
var builder = Host.CreateApplicationBuilder(args);
builder.Configuration
.AddEnvironmentVariables()
.AddUserSecrets<Program>();
复制
var (command, arguments) = GetCommandAndArguments(args);
var clientTransport = new StdioClientTransport(new()
{
Name = "Demo Server",
Command = command,
Arguments = arguments,
});
await using var mcpClient = await McpClient.CreateAsync(clientTransport);
var tools = await mcpClient.ListToolsAsync();
foreach (var tool in tools)
{
Console.WriteLine($"Connected to server with tools: {tool.Name}");
}
Program.cs 文件的末尾添加此函数复制
static (string command, string[] arguments) GetCommandAndArguments(string[] args)
{
return args switch
{
[var script] when script.EndsWith(".py") => ("python", args),
[var script] when script.EndsWith(".js") => ("node", args),
[var script] when Directory.Exists(script) || (File.Exists(script) && script.EndsWith(".csproj")) => ("dotnet", ["run", "--project", script, "--no-build"]),
_ => throw new NotSupportedException("An unsupported server script was provided. Supported scripts are .py, .js, or .csproj")
};
}
查询处理逻辑
现在,让我们添加处理查询和处理工具调用的核心功能复制
using var anthropicClient = new AnthropicClient(new APIAuthentication(builder.Configuration["ANTHROPIC_API_KEY"]))
.Messages
.AsBuilder()
.UseFunctionInvocation()
.Build();
var options = new ChatOptions
{
MaxOutputTokens = 1000,
ModelId = "claude-sonnet-4-20250514",
Tools = [.. tools]
};
Console.ForegroundColor = ConsoleColor.Green;
Console.WriteLine("MCP Client Started!");
Console.ResetColor();
PromptForInput();
while(Console.ReadLine() is string query && !"exit".Equals(query, StringComparison.OrdinalIgnoreCase))
{
if (string.IsNullOrWhiteSpace(query))
{
PromptForInput();
continue;
}
await foreach (var message in anthropicClient.GetStreamingResponseAsync(query, options))
{
Console.Write(message);
}
Console.WriteLine();
PromptForInput();
}
static void PromptForInput()
{
Console.WriteLine("Enter a command (or 'exit' to quit):");
Console.ForegroundColor = ConsoleColor.Cyan;
Console.Write("> ");
Console.ResetColor();
}
核心组件详解
1. 客户端初始化
- 客户端使用
McpClient.CreateAsync()进行初始化,该方法设置了传输类型和运行服务器的命令。
2. 服务器连接
- 支持 Python、Node.js 和 .NET 服务器。
- 使用参数中指定的命令启动服务器。
- 配置为使用 stdio 与服务器进行通信。
- 初始化会话和可用工具。
3. 查询处理
- 利用 Microsoft.Extensions.AI 实现聊天客户端。
- 配置
IChatClient以使用自动工具(函数)调用。 - 客户端读取用户输入并将其发送到服务器。
- 服务器处理查询并返回响应。
- 响应将显示给用户。
运行客户端
使用任何 MCP 服务器运行您的客户端复制
dotnet run -- path/to/server.csproj # dotnet server
dotnet run -- path/to/server.py # python server
dotnet run -- path/to/server.js # node server
如果您正在继续执行服务器快速入门中的天气教程,您的命令可能如下所示:
dotnet run -- path/to/QuickstartWeatherServer。- 连接到指定的服务器
- 列出可用工具
- 启动交互式聊天会话,您可以:
- 输入查询
- 查看工具执行情况
- 获取来自 Claude 的响应
- 完成后退出会话
