--- id: a1fad13de24c90924cfa9e25e9f986cb author: snowmerak title: Krótkie zrozumienie hosta MCP description: Tekst ma na celu ułatwienie zrozumienia protokołu MCP firmy Anthropic oraz hosta MCP (mcphost) zaimplementowanego w języku Go. language: pl date: 2025-04-08T00:59:42.416582136Z path: /blog/posts/a-little-understanding-of-mcp-host-zb952aae0 category: ai --- ## Czym jest MCP [MCP](https://modelcontextprotocol.io/introduction) to protokół opracowany przez Anthropic z myślą o claude. MCP jest skrótem od Model Context Protocol i jest to protokół umożliwiający LLM aktywne żądanie działań lub zasobów od świata zewnętrznego. Ponieważ MCP jest dosłownie protokołem jedynie przekazującym żądania i odpowiedzi, sam proces oraz wykonanie muszą zostać zrealizowane przez programistę. ### O działaniu wewnętrznym Zanim wyjaśnię działanie wewnętrzne, chciałbym krótko omówić [Gemini Function Calling](https://ai.google.dev/gemini-api/docs/function-calling). Gemini Function Calling, podobnie jak MCP, pozwala LLM na samodzielne wywoływanie działań zewnętrznych. Można się zastanawiać, dlaczego w ogóle przywołuję Function Calling. Powodem jest to, że Function Calling pojawiło się wcześniej niż MCP oraz że oba rozwiązania korzystają z tego samego schematu OpenAPI, dzięki czemu są ze sobą kompatybilne, a ich działanie można uznać za podobne. Ponieważ dokumentacja Gemini Function Calling jest stosunkowo szczegółowa, uznałem, że może ona być pomocna, dlatego ją uwzględniłem. ![FunctionCalling](/assets/images/mcp_with_csharp/function-calling-overview.png) Ogólny przebieg wygląda następująco. 1. Definiujemy funkcję. 2. Wysyłamy definicję funkcji do Gemini wraz z promptem. 1. "Send user prompt along with the function declaration(s) to the model. It analyzes the request and determines if a function call would be helpful. If so, it responds with a structured JSON object." 3. Gemini w razie potrzeby żąda wywołania funkcji. 1. Jeśli Gemini uzna to za potrzebne, wywołujący otrzymuje nazwę i parametry niezbędne do wywołania funkcji. 2. Wywołujący może zdecydować, czy wykonać wywołanie, czy nie. 1. Wywołać funkcję i zwrócić prawidłową wartość 2. Nie wywoływać funkcji, lecz zwrócić dane tak, jakby została wywołana 3. Zignorować żądanie 4. Gemini w powyższym procesie może jednocześnie żądać wywołania wielu funkcji lub, po otrzymaniu wyniku wywołania, żądać kolejnych wywołań i wykonywać dalsze operacje. 5. Proces kończy się, gdy zostanie wygenerowana uporządkowana odpowiedź. Ten przebieg jest ogólnie zgodny z MCP. Podobnie opisuje go [samouczek MCP](https://modelcontextprotocol.io/tutorials/building-mcp-with-llms). Podobny jest także mechanizm ollama tools. Co więcej, i to naprawdę szczęśliwie, te trzy narzędzia: ollama tools, MCP oraz Gemini Function Calling mają niemal wspólną strukturę schematu, dzięki czemu implementując jedynie MCP, można go używać we wszystkich trzech miejscach. Ah, jest też wada wspólna dla wszystkich tych rozwiązań. Ponieważ to model faktycznie wykonuje wywołania, jeśli używany model działa słabo, może nie wywołać funkcji, wywołać ją w nieprawidłowy sposób lub wygenerować nadmierne obciążenie serwera MCP (np. atak DoS), czyli zachowywać się nieprawidłowo. ## Host MCP w Go ### mcphost autorstwa mark3lab W języku Go istnieje [mcphost](https://github.com/mark3labs/mcphost), rozwijany przez organizację mark3lab. Jego użycie jest bardzo proste. ```sh go install github.com/mark3labs/mcphost@latest ``` Po instalacji utwórz plik `$HOME/.mcp.json` i zapisz w nim następującą treść. ```json { "mcpServers": { "sqlite": { "command": "uvx", "args": [ "mcp-server-sqlite", "--db-path", "/tmp/foo.db" ] }, "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "/tmp" ] } } } ``` Następnie uruchom go z modelem ollama w następujący sposób. Oczywiście wcześniej, jeśli to konieczne, pobierz model poleceniem `ollama pull mistral-small`. > Ogólnie polecam claude lub qwen2.5, jednak osobiście obecnie rekomenduję mistral-small. ```sh mcphost -m ollama:mistral-small ``` Jednak po takim uruchomieniu można korzystać z niego wyłącznie w formie zapytań i odpowiedzi w środowisku CLI. Dlatego zmodyfikujemy kod `mcphost`, aby działał bardziej programowalnie. ### Fork mcphost Jak już wiadomo, `mcphost` zawiera funkcję wykorzystującą MCP do pozyskiwania metadanych oraz wywoływania funkcji. Dlatego potrzebne są części odpowiedzialne za wywoływanie LLM, obsługę serwera MCP oraz zarządzanie historią wiadomości. Część odpowiadająca tym funkcjom to `Runner` z poniższego pakietu. ```go package runner import ( "context" "encoding/json" "fmt" "log" "strings" "time" mcpclient "github.com/mark3labs/mcp-go/client" "github.com/mark3labs/mcp-go/mcp" "github.com/mark3labs/mcphost/pkg/history" "github.com/mark3labs/mcphost/pkg/llm" ) type Runner struct { provider llm.Provider mcpClients map[string]*mcpclient.StdioMCPClient tools []llm.Tool messages []history.HistoryMessage } ``` Wewnętrzne deklaracje tej części nie będą tu omawiane. Są one jednak niemal identyczne z nazwami, które noszą. ```go func NewRunner(systemPrompt string, provider llm.Provider, mcpClients map[string]*mcpclient.StdioMCPClient, tools []llm.Tool) *Runner { return &Runner{ provider: provider, mcpClients: mcpClients, tools: tools, messages: []history.HistoryMessage{ { Role: "system", Content: []history.ContentBlock{{ Type: "text", Text: systemPrompt, }}, }, }, } } ``` Informacje o `mcpClients` oraz `tools`, które tu są używane, znajdziesz w [tym pliku](https://github.com/snowmerak/mcphost/blob/main/internal/runner/from.go). Jako `provider` użyjemy implementacji z ollama, więc zajrzyj do [tego pliku](https://github.com/snowmerak/mcphost/blob/main/pkg/llm/ollama/provider.go). Najważniejszym elementem jest metoda `Run`. ```go func (r *Runner) Run(ctx context.Context, prompt string) (string, error) { if len(prompt) != 0 { r.messages = append(r.messages, history.HistoryMessage{ Role: "user", Content: []history.ContentBlock{{ Type: "text", Text: prompt, }}, }) } llmMessages := make([]llm.Message, len(r.messages)) for i := range r.messages { llmMessages[i] = &r.messages[i] } const initialBackoff = 1 * time.Second const maxRetries int = 5 const maxBackoff = 30 * time.Second var message llm.Message var err error backoff := initialBackoff retries := 0 for { message, err = r.provider.CreateMessage( context.Background(), prompt, llmMessages, r.tools, ) if err != nil { if strings.Contains(err.Error(), "overloaded_error") { if retries >= maxRetries { return "", fmt.Errorf( "claude is currently overloaded. please wait a few minutes and try again", ) } time.Sleep(backoff) backoff *= 2 if backoff > maxBackoff { backoff = maxBackoff } retries++ continue } return "", err } break } var messageContent []history.ContentBlock var toolResults []history.ContentBlock messageContent = []history.ContentBlock{} if message.GetContent() != "" { messageContent = append(messageContent, history.ContentBlock{ Type: "text", Text: message.GetContent(), }) } for _, toolCall := range message.GetToolCalls() { input, _ := json.Marshal(toolCall.GetArguments()) messageContent = append(messageContent, history.ContentBlock{ Type: "tool_use", ID: toolCall.GetID(), Name: toolCall.GetName(), Input: input, }) parts := strings.Split(toolCall.GetName(), "__") serverName, toolName := parts[0], parts[1] mcpClient, ok := r.mcpClients[serverName] if !ok { continue } var toolArgs map[string]interface{} if err := json.Unmarshal(input, &toolArgs); err != nil { continue } var toolResultPtr *mcp.CallToolResult req := mcp.CallToolRequest{} req.Params.Name = toolName req.Params.Arguments = toolArgs toolResultPtr, err = mcpClient.CallTool( context.Background(), req, ) if err != nil { errMsg := fmt.Sprintf( "Error calling tool %s: %v", toolName, err, ) log.Printf("Error calling tool %s: %v", toolName, err) toolResults = append(toolResults, history.ContentBlock{ Type: "tool_result", ToolUseID: toolCall.GetID(), Content: []history.ContentBlock{{ Type: "text", Text: errMsg, }}, }) continue } toolResult := *toolResultPtr if toolResult.Content != nil { resultBlock := history.ContentBlock{ Type: "tool_result", ToolUseID: toolCall.GetID(), Content: toolResult.Content, } var resultText string for _, item := range toolResult.Content { if contentMap, ok := item.(map[string]interface{}); ok { if text, ok := contentMap["text"]; ok { resultText += fmt.Sprintf("%v ", text) } } } resultBlock.Text = strings.TrimSpace(resultText) toolResults = append(toolResults, resultBlock) } } r.messages = append(r.messages, history.HistoryMessage{ Role: message.GetRole(), Content: messageContent, }) if len(toolResults) > 0 { r.messages = append(r.messages, history.HistoryMessage{ Role: "user", Content: toolResults, }) return r.Run(ctx, "") } return message.GetContent(), nil } ``` Sam kod został złożony z fragmentów [tego pliku](https://github.com/snowmerak/mcphost/blob/main/cmd/mcp.go). Ogólnie wygląda to następująco. 1. Wysyłamy prompt wraz z listą narzędzi, prosząc o decyzję o wykonaniu lub wygenerowanie odpowiedzi. 2. Gdy odpowiedź zostanie wygenerowana, przerywamy rekurencję i zwracamy wynik. 3. Jeśli LLM zażąda wykonania narzędzia, host wywołuje serwer MCP. 4. Dodajemy odpowiedź do historii i wracamy do punktu 1. ## Na koniec > Już koniec? Właściwie nie mam wiele więcej do powiedzenia. Artykuł ten powstał, aby pomóc w zrozumieniu tego, jak działa serwer MCP. Mam nadzieję, że choć odrobinę przyczynił się do zrozumienia działania hosta MCP.