from dedalus_mcp import MCPServer, tool
@tool(description="दो संख्याएँ जोड़ें")
def add(a: int, b: int) -> int:
return a + b
server = MCPServer("calculator")
server.collect(add)
if __name__ == "__main__":
import asyncio
asyncio.run(server.serve())
collect() के साथ टूल्स को रजिस्टर करें। यही पैटर्न resources और prompts के लिए भी काम करता है।
सर्वर का नाम आपके slug से मेल खाना चाहिए। MCPServer("my-server") में दिया गया name आपके deployment slug और ctx.dispatch() कॉल्स से मेल खाना चाहिए। इससे OAuth callbacks और request routing के सही तरीके से काम करने की गारंटी मिलती है।
mcp_servers को पास करें:
from dedalus_labs import AsyncDedalus, DedalusRunner
client = AsyncDedalus()
runner = DedalusRunner(client)
# होस्ट किया गया MCP सर्वर (मार्केटप्लेस स्लग)
response = await runner.run(
input="Search for authentication docs",
model="anthropic/claude-sonnet-4-20250514",
mcp_servers=["your-org/your-server"],
)
# Local MCP server URL
response = await runner.run(
input="Search for authentication docs",
model="anthropic/claude-sonnet-4-20250514",
mcp_servers=["http://localhost:8000/mcp"],
)
| प्रिमिटिव | नियंत्रण | विवरण |
|---|
| टूल्स | मॉडल | वे फ़ंक्शन जिन्हें LLM तर्क‑प्रक्रिया के दौरान कॉल करता है। |
| Resources | मॉडल/उपयोगकर्ता | डेटा जिसे LLM संदर्भ के लिए पढ़ सकता है। |
| Prompts | उपयोगकर्ता | संदेश टेम्पलेट जिन्हें उपयोगकर्ता चुनते और रेंडर करते हैं। |
| क्षमता | कैसे |
|---|
| Progress | लंबे समय तक चलने वाले कार्यों के लिए ctx.progress() का उपयोग |
| Logging | ctx.info(), ctx.debug(), आदि |
| Cancellation | ctx.cancelled फ़्लैग |
