MCP生产级客户端文档

欢迎使用MCP生产级客户端！这是一个功能强大的AI服务平台，提供完整的MCP工具调用和RAG知识库功能。

📚 文档目录

新手入门

1. 项目说明 - 了解项目的基本功能和特性
2. 部署指南 - 从零开始部署项目
3. API调用示例 - 学习如何使用API

高级配置

4. AI模型配置 - 配置和更换不同的AI服务

🚀 快速开始

最简单的部署方式（Docker）

1. 克隆项目

   git clone <项目地址>
   cd python-mcp-server-client
   

2. 配置环境变量

   cp .env.example .env
   # 编辑.env文件，至少设置OPENAI_API_KEY
   

3. 启动服务

   ./scripts/start.sh docker
   

4. 访问服务

   • API文档：http://localhost:8000/docs
   • Grafana监控：http://localhost:3000

第一次API调用

# 健康检查
curl http://localhost:8000/health

# 发送查询
curl -X POST "http://localhost:8000/query" \
-H "Content-Type: application/json" \
-d '{"query": "今天天气如何？"}'

# 上传文档到知识库
curl -X POST "http://localhost:8000/rag/documents/upload" \
-F "file=@你的文档.pdf" \
-F "title=测试文档"

# 搜索知识库
curl -X POST "http://localhost:8000/rag/search" \
-H "Content-Type: application/json" \
-d '{"query": "搜索内容"}'

🔧 主要功能

MCP工具调用

• 连接多个MCP服务器
• 智能工具路由和负载均衡
• 实时状态监控

RAG知识库

• 支持多种文档格式（PDF、Word、Markdown、TXT）
• 智能文档分块和向量化
• 高性能语义搜索

监控和运维

• Prometheus指标收集
• Grafana可视化面板
• 完整的日志记录
• 健康检查端点

🛠️ 系统要求

• Python: 3.11+
• 内存: 4GB以上（推荐8GB）
• 存储: 20GB可用空间
• 数据库: PostgreSQL + pgvector
• 缓存: Redis

📖 详细文档

1. 项目说明

了解项目的核心功能、技术架构和应用场景。适合想要全面了解项目的用户。

查看项目说明 →

2. 部署指南

详细的部署步骤，包括本地开发环境和生产环境部署。支持Docker和手动部署两种方式。

查看部署指南 →

3. API调用示例

完整的API使用教程，包括Python和JavaScript客户端示例，以及错误处理和性能优化建议。

查看API调用示例 →

4. AI模型配置

如何配置和更换不同的AI服务，支持OpenAI、国产AI服务和本地模型。

查看AI模型配置 →

🤝 支持和反馈

如果您在使用过程中遇到问题或有任何建议，请：

1. 查看相关文档是否有解决方案
2. 检查常见问题
3. 提交Issue或联系技术支持

📄 许可证

本项目采用MIT许可证，详情请查看LICENSE文件。

---

最后更新：2025年6月