$ loading_
帮助开发者练习搭建 MCP 服务器，并通过 AI 代理调用数学与天气服务。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP Server Practice" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请基于这个示例项目，讲解如何用 Python 搭建一个最小可运行的 MCP server，并说明 stdio 与 streamable-http 两种通信方式的区别。
一份分步骤说明，包含项目结构、核心代码思路，以及两种传输方式的适用场景对比。
请演示 AI 代理如何通过 MCP 数学服务完成加减乘除，并给出一个包含输入、工具调用过程和最终结果的示例。
一个完整演示，展示代理如何选择数学工具、传递参数并返回计算结果。
请根据该项目说明 weather server 的工作方式，并示范如何通过 streamable-http 发起一次模拟天气查询。
对天气服务流程的简要说明，以及一次请求与响应示例，展示如何集成到 AI 代理中。
通过示例服务器快速体验数学计算、天气查询与 LangGraph 工作流集成
通过 MCP 协议调用天气查询等工具，并复用资源与提示模板提升集成效率。
为 LangGraph 文档提供可扩展的 MCP 查询与资源访问能力。
指导你构建高质量 MCP 服务器，安全集成外部 API 与服务供大模型调用。
通过 MCP 协议连接并调用 mcp API，扩展 AI 的工具使用能力。
通过 MCP 客户端调用 Groq 模型，快速完成多模态推理与批处理任务