我們將說明如何建置與設定 MCP 客戶端，特別聚焦於 RooCode 工具與本地模型的整合，以及實際的應用。

1. 安裝與設定 Roo code

roo code 是一款支援本地 AI 助手的 VS Code 擴充套件。安裝步驟如下：

1. 前往 Visual Studio Marketplace 或Extensions 搜尋「Roo code」並點擊安裝。
2. 安裝後，Roo code 圖示會出現在 VS Code 側邊欄。

2. 本地模型支援

Roo code 支援多種本地模型，包括 Ollama、LM Studio 等。這些工具可讓你在本地運行大型語言模型（LLM），並與 MCP 協議整合。

前言

當你嘗試按照官方指引部署 Hugging Face Spaces 時：

git init
git add app.py requirements.txt
git commit -m "Initial commit"
git remote add origin https://huggingface.co/spaces/YOUR_USERNAME/mcp-sentiment
git push -u origin main

你可能會遇到各種錯誤。本指南將帶你逐步解決這些問題，並成功部署到 Hugging Face Spaces。

為什麼原始指令無法運作？

自 2023 年 10 月 1 日起，Hugging Face 停止支援密碼身分驗證，因此當你使用 HTTPS URL 推送時，會收到以下錯誤訊息：

Gradio MCP 整合介紹

Gradio 透過自動將您的 Python 函數轉換為 MCP 工具，提供了一種簡單的方式來創建 MCP 伺服器。當您在 launch() 中設置 mcp_server=True 時，Gradio 會：

• 自動將您的函數轉換為 MCP 工具
• 將輸入元件映射到工具參數架構
• 從輸出元件確定回應格式
• 設置 JSON-RPC over HTTP+SSE 進行客戶端-伺服器通訊
• 創建網頁介面和 MCP 伺服器端點

專案設置

首先，讓我們為專案創建一個新目錄並設置所需的依賴項：

# Windows

mkdir mcp-sentiment 
cd mcp-sentiment 
python -m venv venv 
source venv/bin/activate 
pip install "gradio[mcp]" textblob

創建伺服器

Hugging Face Spaces 需要一個 app.py 檔案來建立 space，所以 Python 檔案的名稱必須是 app.py 創建一個名為 app.py 的新檔案，包含以下程式碼：

MCP 主要有下列四個功能類型，分別對應著不同的使用情景

工具（Tools）

工具是AI模型可以通過MCP協議調用的可執行函數或行動。

MCP 通信協議

MCP 定義了一套標準化的通信協議，使客戶端和服務器能夠以一致、可預測的方式交換資訊。這種標準化對於整個社區的互操作性至關重要。

JSON-RPC：基礎架構

MCP 的核心使用 JSON-RPC 2.0 作為客戶端和服務器之間所有通信的消息格式。JSON-RPC 是一種輕量級的遠程過程調用協議，以 JSON 編碼。

JSON-RPC 特點

• 📜 人類可讀性強，易於調試
• 🌍 語言無關性，支援在任何編程環境中實現
• 🔒 成熟穩定，具有清晰的規範和廣泛的採用

三種消息類型

MCP 使用三種基本消息類型進行通信：

1.請求（Requests）

從客戶端發送到服務器以啟動操作。請求消息包括唯一標識符、要調用的方法名稱和方法的參數（如果有）。

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "weather",
    "arguments": {
      "location": "San Francisco"
    }
  }
}

2.響應（Responses）

從服務器發送到客戶端以回覆請求。響應消息包括與相應請求相同的 id 和 result（成功時）或 error（失敗時）。

客戶端-服務器架構

Model Context Protocol (MCP) 建立在客戶端-服務器架構上，該架構支援 AI 模型與外部系統之間的結構化通信。

三大核心組件

MCP 架構由三個主要組件組成，每個組件都有明確定義的角色和責任：

1. 主機 (Host)

使用者直接使用的 AI 應用程式，如 ChatGPT 或 Cursor。負責處理使用者請求、介面呈現和整體協調。

爲什麽不能單靠LLM來解決事情

雖然大型語言模型（LLM）能憑訓練語料生成近似人類的回答，但它若缺乏對外部世界的即時存取，就難以讀取企業專屬資料或主動執行工具操作。

📋 MCP 概述：AI 應用程式的 USB-C

Model Context Protocol (MCP) 正在重新定義 AI 應用程式與外部世界的互動方式。作為由 Anthropic 在 2024 年底推出的開放標準，MCP 解決了長期困擾 AI 開發者的整合複雜性問題，為整個生態系統帶來了前所未有的標準化和互操作性。

🎯 什麼是 Model Context Protocol？

Model Context Protocol 是一個開放的通信協議，專門設計用於標準化 AI 模型與外部數據源、工具和服務之間的交互。該協議建立在 JSON-RPC 2.0 基礎之上，提供了一個輕量級、可擴展的框架，使 AI 應用程式能夠安全、高效地存取外部資源。