Skip to content

Harlinn/mcp-ws

 
 

Repository files navigation

MCP Travel Weather Server - LAB02

Dokumentasjon

Workshop Guide - Komplett workshop dokumentasjon
Presentasjon - Norsk workshop presentasjon

Workshop ressurser:

Oversikt

MCP Travel Weather Server er en implementasjon for workshop LAB02. Dette er en læringsorientert versjon som demonstrerer Model Context Protocol (MCP) grunnleggende konsepter med fokus på værdata og reiseplanlegging.

Arkitektur: Systemet består av tre hovedkomponenter:

  • Web Service: Frontend brukergrensesnitt
  • AI Agent: OpenAI-basert agent som orkestrerer forespørsler
  • MCP Server: HTTP API med værfunksjonalitet

Workshop Arkitektur (LAB02)

Forenklet tjenestearkitektur

┌─────────────────┐    HTTP    ┌─────────────────┐    HTTP    ┌─────────────────┐
│   Web Service   │ ─────────► │  Agent Service  │ ─────────► │  MCP Server     │
│   (Port 8080)   │            │   (Port 8001)   │            │   (Port 8000)   │
│                 │            │                 │            │                 │
│ • Frontend UI   │            │ • AI Logic      │            │ • Weather Tool  │
│ • User Interface│            │ • OpenAI GPT-4o │            │ • OpenWeatherMap│
│ • Examples      │            │ • Conversation  │            │ • Geocoding     │
│ • Health Checks │            │ • Memory        │            │ • Health Checks │
└─────────────────┘            └─────────────────┘            └─────────────────┘

1. MCP Server (services/mcp-server/)

HTTP API med dynamisk tools manifest - Port 8000

  • GET /tools - MCP tools manifest (følger MCP spesifikasjon)
  • POST /weather - Værprognose for destinasjoner
  • GET /health - Helsesjekk

MCP Tools Manifest: Serveren eksponerer tilgjengelige verktøy via /tools endepunkt i henhold til MCP spesifikasjonen, inkludert navn, beskrivelse, input schema og endpoint informasjon.

API som brukes:

  • OpenWeatherMap for værdata
  • Nominatim (OpenStreetMap) for geocoding

2. Agent Service (services/agent/)

AI-orkestrering med dynamisk tools loading - Port 8001

  • OpenAI GPT-4o mini for intelligent respons
  • Dynamisk lasting av verktøy fra MCP server ved oppstart
  • HTTP klient med intelligent endpoint mapping
  • Persistent SQLite database for samtalehistorikk
  • Eksplisitt og konvensjonsbasert endpoint mapping
  • POST /query - Prosesser brukerforespørsler
  • GET /health - Helsesjekk med agent status

3. Web Service (services/web/)

Frontend web-grensesnitt - Port 8080

  • HTML/JavaScript grensesnitt
  • HTTP klient for agent kommunikasjon
  • Eksempel spørsmål og interaktiv chat
  • Real-time helsestatusindikator
  • GET / - Hovedside
  • POST /query - Proxy til agent service
  • GET /examples - Foreslåtte spørsmål
  • GET /health - Helsesjekk

Workshop Læringsmål

Denne LAB02-versjonen er designet for å lære:

  • MCP Protocol: Implementering av Model Context Protocol med dynamisk tools discovery
  • HTTP API: REST API arkitektur med intelligent endpoint mapping
  • Tools Integration: Dynamisk kobling av AI agent med MCP server verktøy
  • OpenAI Function Calling: Strukturert verktøybruk med dynamic tool loading
  • Docker Deployment: Containerisert mikroservice deployment
  • MCP Spesifikasjon: Følge MCP standarder for tools manifest og endpoint eksponering

Kom i gang

Forutsetninger

Du trenger API nøkler for:

Docker Deployment (Anbefalt)

# Klon repository
git clone <repository-url>
cd agent

# Sett opp miljøvariabler
cp .env.example .env
# Rediger .env med dine API nøkler

# Start alle tjenester
docker-compose up -d

# Sjekk status
docker-compose ps

Tilgang:

Miljøvariabler

# Kreves for LAB02
OPENAI_API_KEY=your_openai_api_key_here
OPENWEATHER_API_KEY=your_openweather_api_key_here  

# Service URLs (auto-konfigurert i Docker)
MCP_SERVER_URL=http://mcp-server:8000

Funksjoner (LAB02)

Dynamisk Tools Discovery

  • MCP server eksponerer tilgjengelige verktøy via /tools endpoint
  • Agent laster verktøy dynamisk ved oppstart
  • Intelligent mapping mellom verktøy og HTTP endpoints
  • Støtte for eksplisitt endpoint spesifikasjon og konvensjonsbasert fallback

Værprognose

  • Detaljert værprognose for enhver destinasjon
  • Temperatur, nedbør, vind og luftfuktighet
  • Basert på OpenWeatherMap API

MCP Verktøy

  • get_weather_forecast: Hent værprognose for destinasjoner
  • Alle verktøy følger MCP spesifikasjon

Persistent Hukommelse

  • Husker samtalehistorikk på tvers av sesjoner
  • SQLite database for lokal lagring
  • Administrering av flere samtalesesjoner

Intelligent Dialog

  • OpenAI GPT-4o mini for naturlig språkforståelse
  • Dynamic function calling basert på MCP tools manifest
  • Kontekstbevisst samtaler

MCP Arkitektur

Workshop LAB02 demonstrerer MCP (Model Context Protocol) arkitektur med dynamisk tools discovery:

Web Service → AI Agent ←→ MCP Server → External APIs
             ↓ (dynamic)   ↓ (/tools)
         Tools Loading  Tools Manifest

Arkitektur komponenter:

  • Web Service: Frontend brukergrensesnitt og API proxy
  • AI Agent: OpenAI GPT-4o mini med dynamisk tools loading og intelligent endpoint mapping
  • MCP Server: HTTP API som eksponerer MCP tools manifest og implementerer verktøy
  • Tools Manifest: MCP-kompatibel manifest med endpoint og method informasjon
  • Memory: Persistent samtalehukommelse

MCP Protocol Implementation:

  • MCP server følger MCP spesifikasjon for tools eksponering
  • Agent implementerer dynamisk tools discovery ved oppstart
  • Intelligent endpoint mapping med både eksplisitt og konvensjonsbasert støtte
  • HTTP method routing (GET, POST, PUT, DELETE) basert på tools manifest

For detaljert workshop guide, se WORKSHOP.md

Python Avhengigheter (hvis ikke bruker Docker)

pip install -r requirements.txt

Docker Deployment (Anbefalt)

Systemet er optimalisert for Docker deployment med alle komponenter i separate containere.

Forutsetninger

  • Docker og Docker Compose installert
  • API nøkler konfigurert (se over)

Rask start

# Klon repository og naviger til mappen
cd travel-weather-mcp

# Kopier og rediger miljøvariabler
cp .env.example .env
# Rediger .env med dine API nøkler:
# - OPENAI_API_KEY (kreves)
# - OPENWEATHER_API_KEY (kreves)

# Bygg og start alle tjenester
docker-compose up -d

# Sjekk at alt kjører
docker-compose ps

Tjenester som startes

  • travel-weather-mcp-server: MCP server med værverktøy
  • travel-weather-agent: AI agent service
  • travel-weather-web: Web interface på http://localhost:8080

Bruk av tjenestene

Web Interface

Åpne http://localhost:8080 i nettleseren for enkel bruk.

API Tilgang

# REST API kall
curl -X POST http://localhost:8080/query \
  -H "Content-Type: application/json" \
  -d '{"query": "Hvordan er været i Oslo i dag?"}'

Manuell Docker start

# Bygg og start alle tjenester
docker-compose up -d

# Eller start kun spesifikke tjenester
docker-compose up -d mcp-server travel-agent

# Se logfiler
docker-compose logs -f mcp-server
docker-compose logs -f travel-agent

# Stopp tjenester
docker-compose down

Tilgjengelige tjenester

Bruk

Web Interface (Anbefalt)

Gå til http://localhost:8080 i nettleseren din for et enkelt brukergrensesnitt.

Docker Commands

# Se alle kjørende tjenester
docker-compose ps

# Restart spesifikk tjeneste
docker-compose restart mcp-server

# Se logfiler live
docker-compose logs -f travel-agent

API Endpoints (LAB02)

MCP Tools Discovery

  • GET /tools: Hent MCP tools manifest med alle tilgjengelige verktøy
  • Returner: JSON array med verktøy inkludert navn, beskrivelse, input schema, endpoint og HTTP method

MCP Verktøy

get_weather_forecast

  • location: Stedsnavn (f.eks. "Oslo, Norway")
  • Endpoint: POST /weather
  • Returner: Værprognose med temperatur, vind, fuktighet og beskrivelse

Eksempel API kall

# Hent tools manifest fra MCP server
curl http://localhost:8000/tools

# Direkte verktøy kall til MCP server
curl -X POST http://localhost:8000/weather \
  -H "Content-Type: application/json" \
  -d '{"location": "Oslo, Norway"}'

# Via Agent med dynamisk tools loading (anbefalt)
curl -X POST http://localhost:8001/query \
  -H "Content-Type: application/json" \
  -d '{"query": "Hvordan er været i Oslo?"}'

Sikkerhet

  • API nøkler lagres som miljøvariabler
  • Ingen sensitive data logges
  • Input validering på alle endpoints
  • Rate limiting gjennom OpenWeatherMap API

Feilsøking

Vanlige problemer

  1. "API key not configured"

    • Sjekk at miljøvariabler er riktig satt i .env
    • Verifiser at API nøklene er gyldige
  2. "Location not found"

    • Prøv mer spesifikke stedsnavn
    • Inkluder land (f.eks. "Oslo, Norway")
  3. Containerproblemer

    • Kjør docker-compose down && docker-compose up -d
    • Sjekk logfiler med docker-compose logs

Logging

# Se agent logfiler
docker-compose logs -f travel-agent

# Se MCP server logfiler
docker-compose logs -f mcp-server

# Se alle logfiler
docker-compose logs -f

Workshop Utvidelser

LAB02 er designet for utvidelse. Deltagere kan legge til:

Nye MCP verktøy

  1. Definer en ny HTTP endpoint i services/mcp-server/app.py
  2. Legg til verktøyet i tools array med endpoint og method informasjon
  3. Agent vil automatisk laste det nye verktøyet ved restart via /tools manifest
  4. Test med web interface

Merk: Agent laster verktøy dynamisk, så ingen hardkoding kreves i agent koden.

Foreslåtte utvidelser

  • Ruteplanlegging: Legg til OpenRouteService API
  • Hotell booking: Integrer booking API
  • Transport: Legg til public transport API
  • Oversettelse: Legg til språkoversettelse

Se WORKSHOP.md for detaljerte instruksjoner

Testing

Manual testing

# Test health endpoints
curl http://localhost:8000/health
curl http://localhost:8001/health
curl http://localhost:8080/health

# Test MCP tools manifest
curl http://localhost:8000/tools

# Test MCP verktøy
curl -X POST http://localhost:8000/weather \
  -H "Content-Type: application/json" \
  -d '{"location": "Oslo, Norway"}'

Lisens

MIT License - se LICENSE fil for detaljer.

Workshop Support

For workshop deltagere:

Bidrag

Bidrag er velkomne! Vennligst:

  1. Fork repository
  2. Opprett en feature branch
  3. Commit endringene dine
  4. Push til branch
  5. Opprett en Pull Request

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • HTML 86.7%
  • Python 12.6%
  • Dockerfile 0.7%