【书生大模型实战营_第6期】基础岛第2关_L1玩转书生大模型API与MCP- Makelog(造物记)

1. 前置准备

1. 获取API KEY

Intern系列模型提供免费的OpenAI兼容格式 API。获取步骤如下：

1. 访问https://internlm.intern-ai.org.cn/api/tokens

2. 确保使用正常注册且可用的账户

3. 为API Token命名并生成

重要提醒：API Token只能复制一次，生成后请妥善保管，切勿在代码中显式暴露

2. 开发机配置

在创建开发机界面进行如下配置：

镜像选择：Cuda12.8-conda

GPU配置：10% A100

本节课程不需要显存，故最小资源即可。

2. 快速开始

环境安装

conda activate base

pip install openai requests

2.1 文本生成

代码

from openai import OpenAI
client = OpenAI(
      api_key="eyJ0eXxx",  # 此处传token，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)

completion = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": "写一个关于独角兽的睡前故事，一句话就够了。"
        }
    ]
)

print(completion.choices[0].message.content)

2.2 分析图像输入

你也可以向模型提供图像输入。扫描收据、分析截图，或使用计算机视觉技术在现实世界中寻找物体。

2.2.1 输入图像为url

这里转化图片为url的工具：https://www.superbed.cn/

代码

from openai import OpenAI

client = OpenAI(
      api_key="eyJ0eXxx",  # 此处传token，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)

response = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "图片里有什么？"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg",
                    },
                },
            ],
        }
    ],
    extra_body={"thinking_mode": True},
)

print(response.choices[0].message.content)

2.2.2 输入图像为文件

代码

import base64
from openai import OpenAI

client = OpenAI(
      api_key="eyJ0eXxx",  # 此处传token，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)
# Function to encode the image
def encode_image(image_path):
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")


# Path to your image
image_path = "/root/share/intern.jpg"

# Getting the Base64 string
base64_image = encode_image(image_path)

completion = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": [
                { "type": "text", "text": "图片里有什么?" },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/jpeg;base64,{base64_image}",
                    },
                },
            ],
        }
    ],
)

print(completion.choices[0].message.content)

2.3 模型使用工具

Openai格式

代码

from openai import OpenAI


client = OpenAI(     api_key="sk-lYQQ6Qxx，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get current temperature for a given location.",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "City and country e.g. Bogotá, Colombia"
                }
            },
            "required": [
                "location"
            ],
            "additionalProperties": False
        },
        "strict": True
    }
}]

completion = client.chat.completions.create(
    model="intern-s1",
    messages=[{"role": "user", "content": "What is the weather like in Paris today?"}],
    tools=tools
)

print(completion.choices[0].message.tool_calls)

Python原生调用

代码

import requests
import json

# API 配置
API_KEY = "eyJ0exxxxQ"
BASE_URL = "https://chat.intern-ai.org.cn/api/v1/"
ENDPOINT = f"{BASE_URL}chat/completions"

# 定义天气查询工具
WEATHER_TOOLS = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取指定城市或坐标的当前温度（摄氏度）",
        "parameters": {
            "type": "object",
            "properties": {
                "latitude": {"type": "number", "description": "纬度"},
                "longitude": {"type": "number", "description": "经度"}
            },
            "required": ["latitude", "longitude"],
            "additionalProperties": False
        },
        "strict": True
    }
}]

def get_weather(latitude, longitude):
    """
    获取指定坐标的天气信息
    
    Args:
        latitude: 纬度
        longitude: 经度
    
    Returns:
        当前温度（摄氏度）
    """
    try:
        # 调用开放气象API
        response = requests.get(
            f"https://api.open-meteo.com/v1/forecast?latitude={latitude}&longitude={longitude}&current=temperature_2m,wind_speed_10m&hourly=temperature_2m,relative_humidity_2m,wind_speed_10m"
        )
        data = response.json()
        temperature = data['current']['temperature_2m']
        return f"{temperature}"
    except Exception as e:
        return f"获取天气信息时出错: {str(e)}"

def make_api_request(messages, tools=None):
    """发送API请求"""
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    payload = {
        "model": "intern-s1",
        "messages": messages,
        "temperature": 0.7
    }
    
    if tools:
        payload["tools"] = tools
        payload["tool_choice"] = "auto"
    
    try:
        response = requests.post(ENDPOINT, headers=headers, json=payload, timeout=30)
        response.raise_for_status()
        return response.json()
    except requests.exceptions.RequestException as e:
        print(f"API请求失败: {e}")
        return None

def main():
    # 初始消息 - 巴黎的坐标
    messages = [{"role": "user", "content": "请查询当前北京的温度"}]
    
    print("?️ 正在查询天气...")
    
    # 第一轮API调用
    response = make_api_request(messages, WEATHER_TOOLS)
    if not response:
        return
    
    assistant_message = response["choices"][0]["message"]
    
    # 检查工具调用
    if assistant_message.get("tool_calls"):
        print("? 执行工具调用...")
        print("tool_calls:",assistant_message.get("tool_calls"))
        messages.append(assistant_message)
        
        # 处理工具调用
        for tool_call in assistant_message["tool_calls"]:
            function_name = tool_call["function"]["name"]
            function_args = json.loads(tool_call["function"]["arguments"])
            tool_call_id = tool_call["id"]
            
            if function_name == "get_weather":
                latitude = function_args["latitude"]
                longitude = function_args["longitude"]
                weather_result = get_weather(latitude, longitude)
                print(f"温度查询结果: {weather_result}°C")
                
                # 添加工具结果
                tool_message = {
                    "role": "tool", 
                    "content": weather_result,
                    "tool_call_id": tool_call_id
                }
                messages.append(tool_message)
        
        # 第二轮API调用获取最终答案
        final_response = make_api_request(messages)
        
        if final_response:
            final_message = final_response["choices"][0]["message"]
            print(f"✅ 最终回答: {final_message['content']}")
    else:
        print(f"直接回答: {assistant_message.get('content', 'No content')}")

if __name__ == "__main__":
    main()

2.4 使用流式传输

stream=True，打开流式传输，体验如同网页端 Intern 吐字的感觉。

代码

from openai import OpenAI

client = OpenAI(
    api_key="eyxxxx",
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)

stream = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": "Say '1 2 3 4 5 6 7' ten times fast.",
        },
    ],
    stream=True,
)

# 只打印逐字输出的内容
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)  # 逐字输出，不换行

2.5 开关think模式

通过extra_body={"thinking_mode": True}打开思考模式

代码

from openai import OpenAI
client = OpenAI(
      api_key="eyxxA",  # 此处传token，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)

completion = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": "写一个关于独角兽的睡前故事，一句话就够了。"
        }
    ],
    extra_body={"thinking_mode": True,},
)

print(completion.choices[0].message)

代码

from openai import OpenAI
client = OpenAI(
      api_key="eyJ0xxxmA",  # 此处传token，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)

completion = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": "写一个关于独角兽的睡前故事，一句话就够了。"
        }
    ],
    extra_body={"thinking_mode": False,},
)

print(completion.choices[0].message)

2.6 科学能力

数学

具体细节：https://zhuanlan.zhihu.com/p/1916892757294843774

代码

from getpass import getpass
from openai import OpenAI

api_key = getpass("请输入 API Key（输入不可见）：")
client = OpenAI(
    api_key=api_key,  # 此处传token，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)

response = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这道题选什么"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://pic1.imgdb.cn/item/68d24759c5157e1a882b2505.jpg",
                    },
                },
            ],
        }
    ],
    extra_body={"thinking_mode": True,},
)

print(response.choices[0].message.content)

化学

具体细节：https://www.chembk.com/cn/chem/2,5-%E4%BA%8C%E7%94%B2%E5%9F%BA%E5%93%8C%E5%97%AA(%E9%A1%BA%E5%BC%8F)

代码

from getpass import getpass
from openai import OpenAI

api_key = getpass("请输入 API Key（输入不可见）：")
client = OpenAI(
    api_key=api_key,  # 此处传token，不带Bearer
    base_url="https://chat.intern-ai.org.cn/api/v1/",
)

response = client.chat.completions.create(
    model="intern-s1",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "从左到右，给出图中反应物的化学式"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://pic1.imgdb.cn/item/68d23c82c5157e1a882ad47f.png",
                    },
                },
            ],
        }
    ],
    extra_body={
        "thinking_mode": True,
        "temperature": 0.7,
        "top_p": 1.0,
        "top_k": 50,
        "min_p": 0.0,
    },
)

print(response.choices[0].message.content)

3. 玩转MCP

3.1 什么是MCP？

MCP（Model Control Protocol）是一种专为AI设计的协议（类别 USB-C接口转换器），其核心作用是扩充AI的能力。通过MCP，AI可以：
- 获取外部数据
- 操作文件系统
- 调用各种服务接口
- 实现复杂的工作流程
通过本教程，您将掌握如何让Intern-S1 API突破传统对话限制，实现以下核心功能：
- 外部数据获取：连接并处理来自各种外部源的数据
- 文件系统操作：具备完整的文件创建、读取、修改和删除能力，实现一个命令行版本的 cursor。

项目结构

Github 代码：https://github.com/fak111/mcp_tutorial

1. 环境准备

#git clone https://github.com/fak111/mcp_tutorial.git

git clone https://gh.llkk.cc/https://github.com/fak111/mcp_tutorial.git

cd mcp_tutorial

bash install.sh

2. 配置 API

cd mcp-client

cp .env.example .env

Vscode模式下,在相应的文件目录中创建 .env 文件，填写你的 API_KEY。

推荐：学习阶段建议使用书生的intern-s1模型，访问 https://internlm.intern-ai.org.cn/api/strategy 获取详细信息。

3.2 天气服务使用示例

启动天气服务

cd mcp-client

source .venv/bin/activate

uv run client_interns1.py ../mcp-server/weather/build/index.js

使用方法

get_weather Beijing

3.3 文件系统服务

文件服务的启动命令格式如下：

文件服务启动 uv run client_fixed.py arg1 arg2

参数说明：

arg1：MCP 文件操作服务的路径

arg2：运行文件操作的工作目录路径

cd mcp-client

source .venv/bin/activate

uv run client_fixed.py ../mcp-server/filesystem/dist/index.js ../

功能示例

列出文件：列出当前目录下的所有文件

读取文件：读取 README.md 文件的内容

创建文件：请在../目录下写一个hello.txt,里面内容为“你好书生 intern-s1"

搜索文件：搜索所有 .md 文件

【书生大模型实战营_第6期】基础岛第2关_L1玩转书生大模型API与MCP 简单

1. 前置准备

1. 获取API KEY

2. 开发机配置

2. 快速开始

2.1 文本生成

2.2 分析图像输入

2.2.1 输入图像为url

2.2.2 输入图像为文件

2.3 模型使用工具

2.4 使用流式传输

2.5 开关think模式

2.6 科学能力

3. 玩转MCP

3.1 什么是MCP？

1. 环境准备

2. 配置 API

3.2 天气服务使用示例

3.3 文件系统服务