Penggunaan Tool LLM di Server MCP

Anda telah membangun server MCP yang berisi sebuah tool untuk mengonversi mata uang menggunakan kurs terkini. Mengintegrasikannya dengan sebuah LLM akan memberinya kemampuan untuk menjawab pertanyaan tentang mata uang dan kurs dengan akurat—sesuatu yang tidak dapat dilakukannya secara bawaan.

Sebagian besar kode telah disediakan untuk Anda di sini, karena fokus utama adalah memahami alur kerja, bukan sintaks.

Latihan ini merupakan bagian dari kursus

Pengantar Model Context Protocol (MCP)

Lihat Kursus

Instruksi latihan

Kirim kueri pengguna (user_query) dan daftar tool terformat (anthropic_tools) ke Claude.
Panggil tool MCP yang dipilih oleh LLM, menggunakan nama dan argumen yang diekstrak dari blok penggunaan tool.
Kirim hasilnya (result) kembali ke Claude untuk respons akhir.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def call_anthropic_llm(user_query: str):
    """Call Claude with MCP tools."""
    
    print(f"\nUser: {user_query}\n")

    mcp_tools = await get_tools_from_mcp()
    
    anthropic_tools = []
    for tool in mcp_tools:
        anthropic_tool = {
            "name": tool.name,
            "description": tool.description or "",
            "input_schema": tool.inputSchema,
        }
        anthropic_tools.append(anthropic_tool)
    
    # Send the user query and formatted tools to the LLM
    client = AsyncAnthropic(api_key="")

    response = await client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=1024,
        messages=____,
        tools=____,
    )

    if response.stop_reason == "tool_use":
        tool_use = next(block for block in response.content if block.type == "tool_use")
        name = tool_use.name
        args = tool_use.input

        print(f"Model decided to call: {name}")
        print(f"Arguments: {args}\n")

        # Call the MCP tool
        result = await call_mcp_tool(____, ____)

        # Send the result back to Claude for the final response
        followup = await client.messages.create(
            model="claude-sonnet-4-6",
            max_tokens=1024,
            messages=[
                {"role": "user", "content": user_query},
                {"role": "assistant", "content": response.content},
                {
                    "role": "user",
                    "content": [
                        {
                            "type": "tool_result",
                            "tool_use_id": tool_use.id,
                            "content": ____,
                        }
                    ],
                },
            ],
            tools=anthropic_tools,
        )

        final_text = next((block.text for block in followup.content if block.type == "text"), None)
        if final_text:
            print(f"\nAssistant: {final_text}")
            return str(final_text)
        else:
            print("No follow-up message from model.")

    else:
        text = next((block.text for block in response.content if block.type == "text"), "")
        print(f"\nAssistant: {text}")
        return str(text)


if __name__ == "__main__":
    asyncio.run(call_anthropic_llm("How much is 250 US dollars in euros?"))

Edit dan Jalankan Kode