Esecuzione di questo esempio

January 29, 2026 · View on GitHub

Ecco come eseguire il classico server e client HTTP streaming, così come il server e client MCP streaming utilizzando Python.

Panoramica

Configurerai un server MCP che invia notifiche di avanzamento al client mentre elabora gli elementi.
Il client mostrerà ogni notifica in tempo reale.
Questa guida copre prerequisiti, configurazione, esecuzione e risoluzione dei problemi.

Prerequisiti

Python 3.9 o versione successiva
Il pacchetto Python mcp (installabile con pip install mcp)

Installazione e Configurazione

Clona il repository o scarica i file della soluzione.

git clone https://github.com/microsoft/mcp-for-beginners

Crea e attiva un ambiente virtuale (consigliato):

python -m venv venv
.\venv\Scripts\Activate.ps1  # On Windows
# or
source venv/bin/activate      # On Linux/macOS

Installa le dipendenze necessarie:

pip install "mcp[cli]" fastapi requests

File

Server: server.py
Client: client.py

Esecuzione del Classico Server HTTP Streaming

Vai nella directory della soluzione:

cd 03-GettingStarted/06-http-streaming/solution

Avvia il classico server HTTP streaming:
```
python server.py
```

Il server si avvierà e mostrerà:

Starting FastAPI server for classic HTTP streaming...
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

Esecuzione del Classico Client HTTP Streaming

Apri un nuovo terminale (attiva lo stesso ambiente virtuale e directory):
```
cd 03-GettingStarted/06-http-streaming/solution
python client.py
```

Dovresti vedere i messaggi trasmessi stampati in sequenza:

Running classic HTTP streaming client...
Connecting to http://localhost:8000/stream with message: hello
--- Streaming Progress ---
Processing file 1/3...
Processing file 2/3...
Processing file 3/3...
Here's the file content: hello
--- Stream Ended ---

Esecuzione del Server MCP Streaming

Vai nella directory della soluzione:

cd 03-GettingStarted/06-http-streaming/solution

Avvia il server MCP con il trasporto streamable-http:
```
python server.py mcp
```

Il server si avvierà e mostrerà:

Starting MCP server with streamable-http transport...
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

Esecuzione del Client MCP Streaming

Apri un nuovo terminale (attiva lo stesso ambiente virtuale e directory):
```
cd 03-GettingStarted/06-http-streaming/solution
python client.py mcp
```

Dovresti vedere le notifiche stampate in tempo reale mentre il server elabora ogni elemento:

Running MCP client...
Starting client...
Session ID before init: None
Session ID after init: a30ab7fca9c84f5fa8f5c54fe56c9612
Session initialized, ready to call tools.
Received message: root=LoggingMessageNotification(...)
NOTIFICATION: root=LoggingMessageNotification(...)
...
Tool result: meta=None content=[TextContent(type='text', text='Processed files: file_1.txt, file_2.txt, file_3.txt | Message: hello from client')]

Passaggi Chiave per l'Implementazione

Crea il server MCP utilizzando FastMCP.
Definisci uno strumento che elabora una lista e invia notifiche utilizzando ctx.info() o ctx.log().
Esegui il server con transport="streamable-http".
Implementa un client con un gestore di messaggi per mostrare le notifiche appena arrivano.

Analisi del Codice

Il server utilizza funzioni asincrone e il contesto MCP per inviare aggiornamenti di avanzamento.
Il client implementa un gestore di messaggi asincrono per stampare notifiche e il risultato finale.

Suggerimenti e Risoluzione dei Problemi

Usa async/await per operazioni non bloccanti.
Gestisci sempre le eccezioni sia nel server che nel client per garantire robustezza.
Testa con più client per osservare aggiornamenti in tempo reale.
Se riscontri errori, verifica la versione di Python e assicurati che tutte le dipendenze siano installate.

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Sebbene ci impegniamo per garantire l'accuratezza, si prega di tenere presente che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un esperto umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione.