返回资源列表

GitHub(作者 simonw) · Simon Willison

llm-mcp-client:让 LLM 将 MCP 服务器的工具作为 LLM 工具使用

llm-mcp-client:让 LLM 将 MCP 服务器的工具作为 LLM 工具使用是GitHub(作者 simonw)的免费文档(英文)。前置条件:需要会用 Python、命令行,并了解 LLM 命令行工具与 MCP 的基本概念。

学会在自己环境中安装并使用 llm-mcp-client 插件,把远程 MCP 服务器的工具接入 LLM 命令行、聊天、模板与 Python 代码。

打开官方课程
难度
见前置条件
类型
其他 · 文档
语言
英文
规模
2 个课节
内容费用
免费
动手
需要动手环境

使用限制

需自备 Python 环境、LLM 命令行工具,以及可访问的 MCP 服务器和可用的模型 API 才能实际运行示例。

练习与作业
可调用的 LLM 模型 API(示例使用 gpt-4.1-mini)可供连接的 MCP 服务器地址

第一次学这门课?先完成学前准备,把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「llm-mcp-client:让 LLM 将 MCP 服务器的工具作为 LLM 工具使用」。课程目录是 llm-mcp-client/(不知道完整路径就先问我)。
1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。
2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。
5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。

边界:
- 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
- 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。

课节共 2 节 · 官方顺序

  1. 01llm-mcp-client 仓库主页与 README
  2. 02README.md

常见问题

免费吗?

免费:仓库为公开代码库,README 中安装与用法说明等主要内容可直接阅读,未见付费或登录拦截。实践可能产生费用:实际调用需可用的 LLM 模型(示例用 gpt-4.1-mini)与可访问的 MCP 服务器,网页未说明费用细节。

需要什么基础?

需要会用 Python、命令行,并了解 LLM 命令行工具与 MCP 的基本概念。软件、账号与硬件:Python 环境与 LLM 命令行工具(插件需装在同一环境);运行示例需可访问的 MCP 服务器地址与可用的模型 API;开发测试需 uv。

有中文吗?

本站记录的语言是英文;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://github.com/simonw/llm-mcp-client。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备:可调用的 LLM 模型 API(示例使用 gpt-4.1-mini)、可供连接的 MCP 服务器地址。

来源与使用须知

收录时间
本站首次收录 2026-10-23
指南参考

版权与转载

  • Apache-2.0:代码可自由使用和修改,需保留版权声明。原站说明
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。