Claude Academy
載入中

實作客戶端

第 52 課10 分鐘

現在我們的 MCP 伺服器已經運作正常，接下來是時候建構客戶端了。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部分。

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——不會同時實作兩者。我們在這個專案中同時建構兩者，只是為了讓您能看到它們如何協同運作。

MCP 客戶端由兩個主要元件組成：

  • MCP Client - 我們建立的自訂類別，用於讓使用 session 更加容易
  • Client Session - 與伺服器的實際連線（屬於 MCP Python SDK 的一部分）

當我們使用完 client session 後，需要進行適當的資源清理。這就是為什麼我們將它包裝在自訂的 MCP Client 類別中——以自動處理所有清理工作。

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 程式碼需要對 MCP 伺服器執行兩項主要工作：

  1. 取得可用工具清單以傳送給 Claude
  2. 當 Claude 請求時執行工具

MCP 客戶端透過簡單的方法呼叫提供這些功能，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

此方法會從伺服器取得所有可用的工具：

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

這非常直接——我們存取我們的 session（與伺服器的連線），呼叫內建的 list_tools() 函式，然後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。該檔案包含一個測試工具，可連接到我們的 MCP 伺服器並呼叫我們的方法：

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

當我們執行此測試時，應該會看到印出我們的工具定義，包括我們先前建立的 read_doc_contents 和 edit_document 工具。

整合所有內容

現在我們的客戶端可以列出工具並呼叫它們，我們可以測試完整的流程。當我們執行主應用程式並向 Claude 詢問有關文件的問題時：

  1. 我們的程式碼使用客戶端取得可用的工具
  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執行該工具
  5. 結果會傳回給 Claude，然後 Claude 會回應使用者

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

客戶端充當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細節。