6.Implementing a client
此文档由 学习AI的1000天 翻译制作(抖音，B站，YouTube)
邮箱: szqshan@gmail.com | 微信: szqshan
网址: www.xueai.org
==================================================
现在我们的 MCP 服务器已经正常工作，是时候构建客户端了。客户端是让我们的应用程序与 MCP 服务器通信并访问其功能的组件。
理解客户端架构
在大多数实际项目中，你要么实现 MCP 客户端，要么实现 MCP 服务器——而不是两者都实现。我们在这个项目中构建两者，只是为了让你看到它们是如何协同工作的。
MCP 客户端由两个主要组件组成：
- MCP Client - 我们创建的自定义类，用于简化会话的使用
- Client Session - 与服务器的实际连接（MCP Python SDK 的一部分）
客户端会话在使用完毕后需要进行适当的资源清理。这就是为什么我们将其包装在自定义的 MCP Client 类中——以便自动处理所有清理工作。
客户端在我们应用程序中的作用
还记得我们的应用程序流程吗？我们的 CLI 代码需要通过 MCP 服务器完成两个主要任务：
- 获取可用工具列表以发送给 Claude
- 当Claude请求时执行工具
MCP客户端通过简单的方法调用为我们的应用程序代码提供这些功能。
实现核心方法
我们需要在客户端中实现两个关键方法：list_tools() 和 call_tool()。
List Tools Method
此方法从服务器获取所有可用工具：
async def list_tools(self) -> list[types.Tool]:
result = await self.session().list_tools()
return result.tools
这很简单 - 我们访问会话（与服务器的连接），调用内置的 list_tools() 函数，并从结果中返回工具。
Call Tool Method
此方法在服务器上执行特定工具：
async def call_tool(
self, tool_name: str, tool_input: dict
) -> types.CallToolResult | None:
return await self.session().call_tool(tool_name, tool_input)
我们将工具名称和输入参数（由Claude提供）传递给服务器并返回结果。
Testing the Client
为了测试我们的实现，我们可以直接运行客户端。该文件包含一个测试框架，用于连接到我们的MCP服务器并调用我们的方法：
async with MCPClient(
command="uv", args=["run", "mcp_server.py"]
) as client:
result = await client.list_tools()
print(result)
当我们运行这个测试时，应该能看到我们的工具定义被打印出来，包括我们之前创建的 read_doc_contents 和 edit_document 工具。
整合所有功能
现在我们的客户端可以列出工具并调用它们，我们可以测试完整的流程。当我们运行主应用程序并向 Claude 询问文档相关问题时：
- 我们的代码使用客户端获取可用工具
- 这些工具连同用户的问题一起发送给 Claude
- Claude 决定使用 read_doc_contents 工具
- 我们的代码使用客户端执行该工具
- 结果被发送回 Claude，然后 Claude 向用户做出回应
例如，询问"report.pdf 文档的内容是什么？"将触发 Claude 使用我们的文档读取工具，我们将获得关于在服务器中设置的 20m 冷凝塔文档的信息。
客户端充当我们应用程序逻辑和 MCP 服务器之间的桥梁，使我们能够轻松访问服务器功能，而无需担心底层连接细节。
==================================================
此文档由 学习AI的1000天 翻译制作(抖音，B站，YouTube)
邮箱: szqshan@gmail.com | 微信: szqshan
网址: www.xueai.org