CS550_MCP服务

MCP 服务器实现

姓名: Esteban Nicolas
学号: A20593170

I. 实现的 MCP 功能

1 数据资源
1.1 HDF5 文件列表

• 列出模拟的 HDF5 文件目录结构
• 参数: path_pattern (可选文件路径模式)

2 工具
2.1 Slurm 作业提交

• 模拟向 Slurm 调度器提交作业
• 参数: script_path (必需), cores (可选, 默认=1)

2.2 CPU 核心报告

• 报告系统上可用的 CPU 核心数量
• 不需要参数

2.3 CSV 可视化

• 绘制 CSV 文件中的两列（默认为前两列）
• 参数: csv_path (必需), column x, column y (两者均为可选)

II. 设置说明

1. 创建虚拟环境

uv venv -p python3.10
.venv\Scripts\activate  # 在 Unix 上: source .venv/bin/activate

1. 安装依赖项

uv sync
uv lock

1. 环境配置
   项目使用 pyproject.toml 进行依赖管理。主要依赖包括：

• FastAPI
• Uvicorn
• Pydantic
• Pandas
• Matplotlib
• Pytest
• Pytest-asyncio

1. 运行 MCP 服务器

启动服务器

cd src
uvicorn server:app --reload

服务器将在以下地址可用：

• API 端点: http://localhost:8000/mcp
• 健康检查: http://localhost:8000/health

III. 测试

1. 运行所有测试：

pytest tests/

运行特定测试文件：

pytest tests/test_capabilities_plot_vis.py
pytest tests/test_capabilities_hdf5.py
pytest tests/test_capabilities_cpu_core.py
pytest tests/test_capabilities_slurm.py
pytest tests/test_mcp_handler.py

1. 示例请求
   2.1 列出可用资源

curl -X POST [http://localhost:8000/mcp](https://link.2) \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","method":"mcp/listResources","id":1}'

2.2 列出 HDF5 文件

curl -X POST [http://localhost:8000/mcp](https://link.3) \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","method":"mcp/callTool","params":{"tool":"hdf5_file_listing","path_pattern":"/data/sim_run_123"},"id":2}'

2.3 提交 Slurm 作业

curl -X POST [http://localhost:8000/mcp](https://link.4) \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","method":"mcp/callTool","params":{"tool":"slurm_job_submission","script_path":"/jobs/analysis.sh","cores":4},"id":3}'

2.4 绘制 CSV 列

curl -X POST [http://localhost:8000/mcp](https://link.5) \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","method":"mcp/callTool","params":{"tool":"plot_vis_columns","csv_path":"data.csv","column x":"time","column y":"temperature"},"id":4}'

IV. 实现说明

1. 模拟实现：

   • HDF5 文件列表使用模拟的目录结构
   • Slurm 作业提交生成模拟作业 ID
   • CPU 核心报告使用 os.cpu_count()

2. CSV 可视化：

   • 在 plots_results 目录中创建图表
   • 如果未指定，则默认使用前两列
   • 返回生成的 PNG 文件路径

3. 错误处理：

• 正确的 JSON-RPC 2.0 错误响应
• 对所有参数进行输入验证
• 优雅地处理缺失文件/无效路径

GITHUB: https://github.com/EstebanIIT/cs550_MCP.git