Claude Academy
載入中

實作客戶端

第 54 課7 分鐘

現在我們的 MCP 伺服器已經運作，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。

理解客戶端架構

在深入程式碼之前，讓我們先釐清一個關於 MCP 專案的重要觀點。通常，您會實作 MCP 客戶端或 MCP 伺服器的其中一個，而不是兩者都實作。我們在這個專案中同時建構兩者，只是為了讓您看看它們如何協同運作。

我們的伺服器包含 MCP 客戶端的圖示，該客戶端雙向連接到一個獨立的 MCP 伺服器。

MCP 客戶端由兩個主要元件組成：

  • MCP 客戶端（MCP Client） - 我們建立的一個自訂類別，用來讓使用 session 更輕鬆
  • 客戶端 Session（Client Session） - 與伺服器的實際連線（屬於 MCP Python SDK 的一部分）

mcp_client.py 包含 MCP 客戶端和客戶端 Session 的圖示，該 Session 連接到一個獨立的 MCP 伺服器。

客戶端 session 在我們使用完畢後需要進行資源清理，這就是為什麼我們將它包裝在自訂類別中的原因。這會自動處理連線管理和清理工作。

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 程式碼需要以兩種關鍵方式與 Claude 互動：

應用程式流程的序列圖，標示出我們的 CLI 程式碼在哪裡使用客戶端來列出工具以及呼叫工具。

客戶端透過將伺服器的功能暴露給我們的程式碼庫，來實現這兩種互動。

實作核心客戶端函式

我們需要實作兩個必要的函式：list_tools 和 call_tool。

List Tools 函式

這個函式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

這個很直接明瞭——我們存取我們的 session（與 MCP 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 函式

這個函式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

為了驗證我們的實作是否正常運作，我們可以直接進行測試。客戶端檔案包含一個測試工具，用來連接到 MCP 伺服器並對其執行命令。讓它呼叫 list_tools() 並印出結果：

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

執行 uv run mcp_client.py 應該會回傳一份可用工具的清單，包含其描述和輸入 schema。您應該會看到我們在伺服器中定義的工具，例如 read_doc_contents 和 edit_document。

端對端測試

現在客戶端和伺服器都已經運作，我們可以測試完整的流程。執行我們的主應用程式並詢問 Claude「report.pdf 文件的內容是什麼？」應該會：

  1. 將可用工具清單傳送給 Claude
  2. Claude 決定使用 read_doc_contents 工具
  3. 我們的客戶端在伺服器上呼叫該工具
  4. 伺服器回傳文件內容
  5. Claude 根據該資訊進行回應

客戶端充當您的應用程式程式碼與 MCP 伺服器之間的橋樑，讓您能夠輕鬆存取伺服器功能，而不需要直接處理底層的連線細節。