MCP: Connecting Models to Tools
get_weather es el identificador que se muestra después de que MS-Agent combina el nombre de conexión del servidor y el nombre de la herramienta. area y target_date no son parámetros de llamada predefinidos, sino parámetros estructurados generados por Qwen3-4B basados en "Hangzhou mañana". Los resultados de registro relevantes se muestran a continuación.
Procesamiento del resultado de la herramienta y respuesta final
Después de recibir los parámetros, el MCP del clima analiza "Hangzhou" como "Hangzhou, Zhejiang, China", convierte tomorrow en 7 de septiembre de 2026 según la zona horaria local y devuelve:
{
"requested_area": "Hangzhou",
"resolved_area": "Hangzhou, Zhejiang, China",
"date": "2026-09-07",
"timezone": "Asia/Shanghai",
"weather_code": 51,
"weather": "llovizna ligera",
"temperature_max_c": 29.0,
"temperature_min_c": 21.6,
"precipitation_probability_max_percent": 31,
"wind_speed_max_kmh": 13.0,
"data_source": "Open-Meteo"
}
Qwen3-4B genera una respuesta en lenguaje natural basada en estos resultados, enumerando la región realmente coincidente, la fecha, las condiciones meteorológicas, las temperaturas máxima y mínima, la probabilidad de precipitación y la velocidad máxima del viento. Con esto se completa la cadena de llamadas "comprender la pregunta — seleccionar la herramienta — generar parámetros — ejecutar la herramienta — procesar resultados". Los resultados combinados del modelo grande se muestran a continuación:
Llamada al servicio fetch en la plaza MCP
Después de la configuración, conéctese primero directamente al servicio y verifique la lista de herramientas. El siguiente ejemplo de prueba utiliza el sitio web https://example.com.
async def direct_fetch_check():
async with streamable_http_client(MCP_SERVER_URL) as streams:
read_stream, write_stream, _ = streams
async with ClientSession(read_stream, write_stream) as session:
await session.initialize()
tools = await session.list_tools()
print("Herramientas devueltas por el servidor:", [tool.name for tool in tools.tools])
result = await session.call_tool(
"fetch",
arguments={
"url": "https://example.com",
"max_length": 1000,
"start_index": 0,
"raw": False,
},
)
if result.isError:
raise RuntimeError(str(result.content)
for block in result.content:
if getattr(block, "type", None) == "text":
print(block.text)
await direct_fetch_check()
Discusión
Iniciar sesión unirse a la discusión
