使用Model Context Protocol (MCP)的最小Kotlin客户端服务器示例

这是一个简单的天气工具，演示了使用模型上下文协议（MCP）进行客户端-服务器交互。仅用于演示目的。

用户："东京的天气怎么样？"
响应："东京的天气是晴朗的。"

这是Kotlin版本的mcp-minimal-client-weather-server-sample

客户端：src/main/kotlin/Client.kt
服务器：server.main.kts

图1：初始化与工具发现

sequenceDiagram
    autonumber

    participant 用户
    participant 客户端应用 as 客户端应用（主机）<br>在本地PC上
    participant 大型语言模型 as 大型语言模型（例如Claude）<br>远程服务
    participant MCP客户端 as MCP客户端（内部组件）<br>在本地PC上的客户端应用中
    participant MCP服务器 as MCP服务器（例如工具服务器）<br>在本地PC上

    Note over 用户, MCP服务器: 用户启动客户端应用，开始连接到MCP服务器

    客户端应用->>+MCP客户端: 指令准备连接到特定的MCP服务器
    Note right of 客户端应用: 主机管理每个服务器的MCP客户端实例

    MCP客户端->>+MCP服务器: 1. 初始化（请求）<br>[协议版本, 客户端能力]
    Note over MCP客户端, MCP服务器: 开始建立连接和能力交换（JSON-RPC）
    MCP服务器-->>-MCP客户端: 2. 初始化（响应）<br>[选定的协议版本, 服务器能力（工具、资源等）]
    Note over MCP客户端, MCP服务器: 服务器通知其可用能力

    MCP客户端->>MCP服务器: 3. 通知/初始化（初始化完成通知）
    Note over MCP客户端, MCP服务器: 握手完成，可以进行正常通信

    MCP客户端-->>-客户端应用: 初始化成功及服务器能力通知（通过成功的初始化等待隐式通知）
    Note right of 客户端应用: 主机（客户端应用）现在知道服务器已准备好

    客户端应用->>MCP客户端: 4. 指令获取服务器提供的工具列表（会话.list_tools()）
    MCP客户端->>+MCP服务器: 5. 工具/列表（请求）
    Note over MCP客户端, MCP服务器: 请求服务器定义的工具列表
    MCP服务器-->>-MCP客户端: 6. 工具/列表（响应）<br>[{"name": "get_weather", "description": "...", "inputSchema": {...}}]
    Note over MCP客户端, MCP服务器: 示例：返回“get_weather”工具的定义

    MCP客户端-->>客户端应用: 7. 通知工具列表（包含“get_weather”等）通过tools_response对象
    Note right of 客户端应用: 主机存储/处理检索到的工具信息（格式化工具以供大型语言模型使用）

    客户端应用->>大型语言模型: 8. 将可用工具信息发送给大型语言模型<br>(例如，通过系统提示使用格式化的工具提示)
    Note over 客户端应用, 大型语言模型: 主机告知大型语言模型“get_weather”可用<br>大型语言模型可以根据此信息决定是否使用该工具

图2：工具执行流程

sequenceDiagram
    autonumber

    participant 用户
    participant 客户端应用 as 客户端应用（主机）<br>在本地PC上
    participant 大型语言模型 as 大型语言模型（例如Claude）<br>远程服务
    participant MCP客户端 as MCP客户端（内部组件）<br>在本地PC上的客户端应用中
    participant MCP服务器 as MCP服务器（例如工具服务器）<br>在本地PC上

    用户->>客户端应用: 1. "东京的天气怎么样？"
    Note right of 用户: 用户提出可能需要工具的问题

    客户端应用->>大型语言模型: 2. 转发用户的带有上下文的问题<br>[系统提示（带工具信息）+ 用户问题]
    Note over 客户端应用, 大型语言模型: 主机发送问题和格式化的工具信息（“get_weather”）给大型语言模型

    大型语言模型->>客户端应用: 3. 大型语言模型响应，请求使用工具<br>响应：`{"tool_name": "get_weather", "arguments": {"location": "Tokyo"}}`
    Note over 客户端应用, 大型语言模型: 根据提供的工具信息，大型语言模型决定使用天气工具<br>并生成所需的JSON结构及其参数

    客户端应用->>+客户端应用: (可选) 4. 确认工具执行<br>"在工具服务器上执行'get_weather'？"
    用户->>客户端应用: (可选) 5. "是"
    Note over 客户端应用, 用户: 为了安全/透明，主机可能会寻求用户许可（示例代码中未实现）

    客户端应用->>+MCP客户端: 6. 指令执行“get_weather”工具（会话.call_tool()）<br>参数：{"location": "Tokyo"}
    Note right of 客户端应用: 主机通过MCP客户端指示MCP服务器

    MCP客户端->>+MCP服务器: 7. 工具/调用（请求）<br>[名称: "get_weather", 参数: {"location": "Tokyo"}]
    Note over MCP客户端, MCP服务器: 调用服务器函数，指定工具名称和参数（JSON-RPC）

    MCP服务器->>MCP服务器: 内部处理（执行get_weather函数）
    Note over MCP服务器: 记录执行情况，返回结果（例如，“晴朗”）
    MCP服务器-->>-MCP客户端: 8. 工具/调用（响应）<br>[结果: {内容: [{类型: "文本", 文本: "晴朗"}]}]
    Note over MCP客户端, MCP服务器: 服务器以结构化格式返回处理结果（天气信息）

    MCP客户端-->>-客户端应用: 9. 通知工具执行结果<br>结果对象包含：“晴朗”（从tool_result_obj.content[0].text提取）

    客户端应用->>大型语言模型: 11. 将工具执行结果反馈给大型语言模型<br>新用户消息：“工具'get_weather'返回：'晴朗'。根据这个回答原始问题。”
    Note over 客户端应用, 大型语言模型: 主机将从服务器获得的信息反馈给大型语言模型

    大型语言模型->>客户端应用: 11. 生成最终响应（作为文本）<br>"东京的天气是晴朗的。"

    客户端应用->>用户: 12. 显示由大型语言模型生成的最终响应
    Note right of 客户端应用: 向用户提供最终答案