Streamlit MCP Agent

注意事項
私の本業はネットワークエンジニアです。プログラミングは趣味として取り組んでおり、「動けばそれで良し」という精神で開発しています。
そのため、コードの品質や設計に稚拙な部分があるかもしれませんが、ご理解いただけますと幸いです。

Streamlit MCP Agentは、Model Context Protocol (MCP) を活用したAIエージェントとのチャットインターフェースを提供するStreamlitアプリケーションです。AWSのstrands agentsフレームワークを利用しています。MCPクライアント経由でさまざまなツールを統合し、対話的なAIアシスタントを実現します。

プロジェクトの概要

このアプリケーションは、以下の主要な機能を提供します：

• MCP統合: 複数のMCPクライアントをサポートし、AIエージェントが外部ツールを活用可能
• ストリーミング応答: リアルタイムでAIの応答をストリーミング表示
• チャットインターフェース: ユーザーフレンドリーなStreamlitベースのチャットUI
• セッション管理: チャット履歴の保持とセッション状態のリセット機能
• ツール実行: MCP経由でツールの実行と結果の表示

昨今MCP対応クライアントは多数リリースされていますが、基本的に個人利用目的が多く、社内でwebアプリとして公開できるようなものがなったため作成しました。

必要な環境・依存関係

システム要件

• Python 3.13以上
• uv (Pythonパッケージマネージャー)

依存関係

• ollama>=0.5.4: Ollamaモデルとの連携（このままの設定でOllamaを使用する場合のみ必要）
• strands-agents>=1.9.1: AIエージェントフレームワーク
• streamlit>=1.49.1: WebアプリケーションUI

追加要件

• Ollamaサーバー: デフォルトで http://localhost:11434 を使用
• MCP設定ファイル: param/mcp.json にMCPクライアントの設定を定義

インストール・実行方法

1. リポジトリのクローン

git clone https://github.com/applemk2-git/streamlit-mcp-agent.git
cd streamlit-mcp-agent

2. 依存関係のインストール

uv sync

3. アプリケーションの実行

uv run streamlit run agent.py

アプリケーションが起動したら、ブラウザで http://localhost:8501 にアクセスしてください。

4. モデルサーバーのセットアップ（オプション）

このままの設定で実行する場合、Ollamaサーバーが必要です。実行されていない場合は起動してください：

ollama serve

デフォルトモデルとして gpt-oss:20b を使用します。必要に応じて agent.py 内の DEFAULT_MODEL_ID を変更してください。

使用例

基本的な使用方法

1. アプリケーション起動後、サイドバーから使用するMCPを選択
2. チャット入力欄にメッセージを入力
3. AIエージェントがMCPツールを活用して応答を生成

サンプル対話

ユーザー: 現在の天気を教えてください
アシスタント: [MCPツールを使用して天気情報を取得し、結果を表示]

MCP設定例

param/mcp.json では、以下の3種類のトランスポートタイプをサポートしています：

1. stdio（標準入出力）

記載方法の例です。実際の利用するmcpに合わせて書き換えてください。

{
  "aws-documentation-mcp": {
    "transport": "stdio",
    "command": "uvx",
    "args": ["awslabs.aws-documentation-mcp-server@latest"]
  }
}

2. streamable-http（HTTPストリーミング）

記載方法の例です。実際の利用するmcpに合わせて書き換えてください。localhostではなくリモートホストでもOK。

{
  "api-server": {
    "transport": "streamable-http",
    "url": "http://localhost:3000/mcp"
  }
}

3. sse（Server-Sent Events）

記載方法の例です。実際の利用するmcpに合わせて書き換えてください。localhostではなくリモートホストでもOK。

{
  "sse-server": {
    "transport": "sse",
    "url": "http://localhost:3000/sse-mcp"
  }
}

カンマ区切りで複数のmcpサーバを定義可能です。

デフォルトのMCP設定について

param/mcp.json には、以下の設定がデフォルトで含まれています：

• aws-documentation-mcp: AWSが提供する公式のMCPサーバー（実際に動作します）
  • AWSドキュメント検索機能を提供

注意: streamable-httpとsseの設定例は書き方の参考として記載していますが、実際には動作しないダミー設定です。実際のMCPサーバーを使用する際は、適切なURLやコマンドに変更してください。

機能詳細

MCPクライアントのサポート

• stdio: 標準入出力ベースのMCPクライアント
• streamable-http: HTTPストリーミングベースのMCPクライアント
• sse: Server-Sent EventsベースのMCPクライアント

エラーハンドリング

• MCPクライアントの初期化失敗時の警告表示
• ツール実行エラーの適切な処理
• セッション状態の安全な管理

カスタマイズ

• システムプロンプトの変更（DEFAULT_SYSTEM_PROMPT）
• モデル設定の変更（DEFAULT_MODEL_HOST, DEFAULT_MODEL_ID）
• MCP設定ファイルのパス変更（MCP_CONFIG_PATH）

ライセンス

このプロジェクトはApache License 2.0の下でライセンスされています。詳細はLICENSEファイルをご参照ください。

注意事項

• 初回実行時はMCPクライアントの初期化に時間がかかる場合があります
• 外部APIを使用するMCPツールの場合、適切な認証情報が必要です
• 開発環境ではOllamaサーバーが実行されていることを確認してください

モデル設定について

このプロジェクトではOllamaを使用した例を示していますが、これはあくまで一例です。利用可能なモデルや、それぞれのモデルの使い方については、Strands AgentsドキュメントのModel Providersセクションを参照して、各々で適切な設定を行ってください。

agent.py 内の以下の部分を変更することで、異なるモデルプロバイダーを使用できます：

設定定数の変更

• DEFAULT_MODEL_HOST: モデルサーバーのホストURL
• DEFAULT_MODEL_ID: 使用するモデルID
• DEFAULT_SYSTEM_PROMPT: システムプロンプト
• MODEL: モデル

モデルオブジェクトの変更

上記の定数を変更しただけでは不十分です。create_agent 関数内のモデルオブジェクトも適切なモデルプロバイダーに変更する必要があります：

# 現在のOllamaModelの例
model=OllamaModel(
    host=DEFAULT_MODEL_HOST,
    model_id=DEFAULT_MODEL_ID,
    system_prompt=DEFAULT_SYSTEM_PROMPT,
)

他のモデルプロバイダー（例: OpenAI, Anthropicなど）を使用する場合は、対応するモデルクラスに変更し、必要なパラメータを設定してください。詳細な設定方法はStrands Agentsドキュメントを参照してください。