Selector Mcp Server - MCP服务，MCP服务器，MCP教程

基本能力

产品定位

Selector AI FastMCP 是一个用于简化 AI 交互的工具，特别适用于需要实时 AI 聊天和流式传输的场景。

核心功能

• 服务器功能
• FastMCP 兼容，基于 Python 构建
• 支持实时 SSE 流式传输
• 与 Selector AI 进行交互式聊天
• 内置健康检查，适用于容器编排

• 请求/响应日志记录和重试机制

• 客户端功能

• 通过 Docker 生成服务器
• 支持 CLI 和程序化访问
• 通过 stdin 和 stdout 进行读写
• 使用 .env 文件进行环境变量配置

适用场景

• 实时 AI 聊天应用
• 需要流式传输的 AI 交互
• 容器化环境中的 AI 服务部署

工具列表

• selector_fastmcp_server.py: 服务器端，集成 MCP 和 Selector AI
• selector_client.py: 客户端，支持 Docker 和 stdin/stdout CLI
• Dockerfile: 容器配置
• requirements.txt: Python 依赖
• .env: 环境变量配置

常见问题解答

• 如何配置环境变量？
  创建 .env 文件并设置 SELECTOR_URL 和 SELECTOR_AI_API_KEY。
• 如何启动客户端？
  运行 python mcp_client.py。
• 如何自定义容器？
  修改 selector_fastmcp_server.py 并重新构建 Docker 镜像。

使用教程

使用依赖

• Python 3.8+
• Docker
• Selector AI API Key
• Selector API URL

安装教程

1. 克隆仓库
   bash
git clone https://github.com/automateyournetwork/selector-mcp-server
cd selector-ai-mcp
2. 安装 Python 依赖
   bash
pip install -r requirements.txt
3. 设置环境变量
   创建 .env 文件并添加以下内容：
   SELECTOR_URL=https://your-selector-api-url
SELECTOR_AI_API_KEY=your-api-key
4. 构建 Docker 镜像
   bash
docker build -t selector-mcp .

调试方式

1. 启动客户端
   bash
python mcp_client.py
2. 程序化访问示例
   python
from selector_client import call_tool, spawn_server
proc = spawn_server()
call_tool(proc, "ready")
response = call_tool(proc, "ask_selector", {"content": "What is AIOps?"})
print(response)