一文读懂如何使用MCP创建客户端

话接上文：一文读懂如何使用MCP创建服务器

本篇文章我们接着讲MCP客户端的创建过程，参考MCP官方资料

如何创建MCP客户端

开始构建自己的客户端，该客户端可以与所有 MCP 服务器集成。

在本教程中，您将学习如何构建一个由 LLM 驱动的聊天机器人客户端，该客户端可以连接到 MCP 服务器。最好先完成一次服务器快速入门 ，该教程将引导您完成构建第一个服务器的基本步骤。

系统要求

开始之前，请确保您的系统满足以下要求：

• Mac 或 Windows 电脑
• 已安装的最新 Python 版本
• 已安装 uv 的最新版本

设置环境

首先，使用 uv 创建一个新的 Python 项目：

# 项目初始化
uv init mcp-client
cd mcp-client

# 创建虚拟环境
uv venv

# 激活虚拟环境
# On Windows:
.venv\Scripts\activate
# On Unix or MacOS:
source .venv/bin/activate

# 安装工具库
uv add mcp anthropic python-dotenv

# 删除无用main.py
# On Windows:
del main.py
# On Unix or MacOS:
rm main.py

# 创建客户端脚本
touch client.py

设置您的 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：

# Create .env file
touch .env

将你的密钥添加到 .env 文件中：

ANTHROPIC_API_KEY=<your key here>

将 .env 添加到你的 .gitignore 中：

echo ".env" >> .gitignore

创建客户端

导入客户端的依赖库

首先，让我们设置导入并创建基本的客户端类：

import asyncio  # 异步IO模块，用于处理异步任务
from typing import Optional  # 类型注解支持，表示可选类型
from contextlib import AsyncExitStack  # 异步上下文管理器，用于安全地管理资源释放

# 导入 MCP 协议相关模块
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client  # 基于标准输入输出的客户端通信方式

# 导入 Anthropic 提供的 Python SDK，用于访问 Claude 模型
from anthropic import Anthropic
# 从 dotenv 加载环境变量（例如 API Key）
from dotenv import load_dotenv

# 从 .env 文件中加载环境变量（如 API 密钥等敏感信息）
load_dotenv()


class MCPClient:
    def __init__(self):
        # 初始化会话和资源管理对象
        self.session: Optional[ClientSession] = None  # 存储与 MCP 服务器的会话对象
        self.exit_stack = AsyncExitStack()  # 异步资源管理栈，确保资源正确释放
        self.anthropic = Anthropic()  # 创建 Anthropic 客户端实例，用于调用 Claude 模型

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：

    async def connect_to_server(self, server_script_path: str):
        """连接到 MCP 服务器

        参数:
            server_script_path: 服务器脚本路径（.py 或 .js 文件）
        """
        # 判断服务器脚本是 Python 还是 JavaScript 文件
        is_python = server_script_path.endswith('.py')
        is_js = server_script_path.endswith('.js')

        # 如果不是 .py 或 .js 文件，抛出异常
        if not (is_python or is_js):
            raise ValueError("Server script must be a .py or .js file")

        # 根据文件类型选择执行命令：Python 或 Node.js
        command = "python" if is_python else "node"

        # 构建服务器启动参数
        server_params = StdioServerParameters(
            command=command,  # 执行命令
            args=[server_script_path],  # 启动参数，即服务器脚本路径
            env=None  # 环境变量，使用当前进程的环境变量
        )

        # 使用 stdio_client 启动服务器并建立通信管道
        stdio_transport = await self.exit_stack.enter_async_context(stdio_client(server_params))
        self.stdio, self.write = stdio_transport  # 保存 stdin/stdout 和写入函数

        # 创建 ClientSession 实例，并绑定通信通道
        self.session = await self.exit_stack.enter_async_context(ClientSession(self.stdio, self.write))

        # 初始化会话（发送初始化请求）
        await self.session.initialize()

        # 获取服务器提供的可用工具列表
        response = await self.session.list_tools()
        tools = response.tools  # 保存返回的工具列表

        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，示例客户端的核心逻辑就在这里

    async def process_quer