项目概述

MCP服务器 + OpenAI代理。

环境搭建

1. 创建并激活虚拟环境：

   • 运行提供的setup.sh脚本以使用Python 3.13建立一个虚拟环境。

     ./setup.sh
     

   • 脚本会创建一个虚拟环境，并从requirements.txt安装所有必需的Python包。

2. 安装项目依赖项：

   • 确保您拥有运行MCP服务器所需的外部工具和服务：
     • Lynx：对于lynx服务器是必需的，该服务器与Lynx终端网络搜索工具进行交互。
     • Docker：对于puppeteer和github服务器是必需的，分别用于控制Chrome和与GitHub交互。
     • Node.js：对于fs服务器是必需的，使用npx命令。

使用指南

运行agent.py

基础执行

• 您可以使用在servers.yaml中配置的所有服务器来运行代理，如下所示：

  python agent.py
  

• 您可以选择代理可以访问哪些服务器：

  # 给代理访问文件系统（用于本地文件浏览）和lynx（用于网络搜索）的权限
  python agent.py --servers fs lynx
  

  根据我的经验，这会导致更好的性能，因为代理不太可能选择错误的工具。

• 调试模式：

  • 使用--debug标志初始化服务器而不执行代理。如果您想确保服务器设置正确，这很有用。

    python agent.py --debug
    

配置

服务器在servers.yaml中配置，每个服务器条目包括：

• 名称：服务器的标识符。
• 描述：对服务器功能的简要说明。
• 命令及参数：启动服务器的命令行指令。
• 环境变量：任何需要的额外环境配置。

您通常可以在MCP服务器的github仓库中找到这些内容。

自定义

您可以在mcp-servers目录下自定义自己的MCP服务器。

我如何使用这个？

链接查找

如果我试图弄清楚如何做某事（比如设置QEMU），我经常使用agent.py为我进行初步研究。

"查找与在Ubuntu上设置QEMU相关的链接" | python agent.py --servers lynx

MCP笔记...

高级

主机：想要使用MCP的程序（桌面、IDE、AI工具） 客户端：维护与服务器一对一连接的客户端 服务器：暴露MCP能力的服务器