AI导哈

模型上下文协议服务器集合

一个包含多种服务的模型上下文协议（MCP）服务器集合，用于通过OpenAI GPT和MCP构建对话式AI接口。

  • by Aiden1909
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 aiden1909/mcp-server-testing

使用说明

MCP服务器集合

一组模型上下文协议（MCP）服务器，带有用于各种服务的智能客户端。该存储库演示了如何使用OpenAI GPT和MCP为不同的API构建会话式AI接口。

🚀 特色服务器

📁 Google Drive MCP服务器

与智能发现、完整内容访问和智能导航的全面Google Drive集成。

特征：

  • 🔍 智能文件发现 -无需手动导航即可查找文件
  • 📄 完整内容访问 -文档长度没有限制
  • 🧠 持久缓存 -文件仍可访问以供将来处理
  • 🎯 智能搜索 -在所有缓存内容中搜索
  • 🗺️ 多步骤工作流 -自动处理复杂的发现
  • 📁 共享驱动器支持 -完全团队驱动集成

🍳 配方MCP服务器

食品和配方服务器，使用Spoonaccular API来发现和管理配方。

特征：

  • 🔍 食谱搜索 -按食材、菜肴或饮食限制查找食谱
  • 📖 详细的说明 -获取完整的烹饪说明和配料
  • 🎲 随机发现 -使用过滤选项发现新食谱
  • 💾 配方缓存 -保存和访问以前查看的食谱

📋 先决条件

  • Python 3.8+
  • OpenAI API密钥 -用于GPT集成
  • Conda或UV -用于包管理
  • Node.js -MCP检验员（测试）

🛠️ 快速开始

1.克隆存储库

git clone https://github.com/YOUR_ACCOUNT/mcp-servers-collection.git
cd mcp-servers-collection

2.设置环境

# Create conda environment
conda create -n mcp-servers python=3.11
conda activate mcp-servers

# Install base dependencies
pip install mcp openai requests python-dotenv

3.配置API密钥

创建一个 .env 项目根目录中的文件：

OPENAI_API_KEY=your_openai_api_key_here
SPOONACULAR_API_KEY=your_spoonacular_api_key_here

📁 谷歌云端硬盘服务器

设置

  1. 谷歌云设置：

    • 创建Google Cloud项目
    • 启用Google Drive API
    • 创建OAuth 2.0凭据
    • 下载 credentials.json 到项目根

  2. 安装依赖关系：

    pip install google-auth google-auth-oauthlib google-auth-httplib2 google-api-python-client

  3. 测试服务器：

    cd GDrive
python gdrive_server.py

  4. 运行客户端：

    python gdrive_chatbot.py

示例用法

You: Find the documentation folder in the Team Projects shared drive
🔧 Calling tool: list_shared_drives
🔧 Calling tool: list_files with folder_id from shared drive
🤖 Assistant: Found the documentation folder! Here's what's inside...

You: Search for "budget" in all my cached files
🔧 Calling tool: search_cached_content
🤖 Assistant: Found 3 files containing "budget"...

🍳 配方服务器

设置

  1. 获取虚假API密钥：

    • 访问https://spoonacular.com/food-api
    • 免费注册（150次请求/天）

  2. 测试服务器：

    cd Recipe
python recipe_server.py

  3. 运行客户端：

    python recipe_chatbot.py

示例用法

You: Find me some vegetarian pasta recipes
🔧 Calling tool: search_recipes
🤖 Assistant: Here are 5 great vegetarian pasta recipes...

You: Get details for recipe ID 12345
🔧 Calling tool: get_recipe_details
🤖 Assistant: Here's the complete recipe with ingredients and instructions...

🧪 MCP检验员测试

这两台服务器都可以使用MCP检查器进行测试：

# Test Google Drive Server
npx @modelcontextprotocol/inspector python GDrive/gdrive_server.py

# Test Recipe Server
npx @modelcontextprotocol/inspector python Recipe/recipe_server.py

📚 文档

谷歌云端硬盘服务器

配方服务器

🏗️ 建筑

MCP服务器模式

User Query → OpenAI GPT → MCP Client → MCP Server → External API
                ↑                                        ↓
            AI Response ← Tool Results ← Tool Execution ← API Response

关键组件

  • MCP服务器：通过stdio公开工具和资源
  • MCP客户端：连接到服务器并与OpenAI集成
  • OpenAI集成：提供自然语言界面
  • 缓存层：存储数据以供将来处理

🔧 可用工具和资源

谷歌云端硬盘服务器

工具：

  • list_files -列出文件和文件夹
  • list_shared_drives -列出团队驱动力
  • search_files -全局文件搜索
  • get_file_details -文件元数据
  • read_file -下载和缓存内容
  • create_folder -创建新文件夹

资源：

  • gdrive://listings -最近的文件夹探索
  • gdrive://files -缓存的文件元数据
  • gdrive://content/{file_id} -完整文件内容
  • gdrive://search/{query} -内容搜索结果
  • gdrive://summary -缓存概述

提示：

  • explore_shared_drive -指导共享驱动器探索
  • find_file_by_name -帮助查找特定文件
  • analyze_folder_structure -了解组织
  • content_discovery -按主题查找内容
  • setup_workflow -优化工作流程

配方服务器

工具：

  • search_recipes -按条件查找食谱
  • get_recipe_details -完整的配方信息
  • get_random_recipes -发现新食谱

资源：

  • recipes://searches -最近的搜索历史记录
  • recipes://saved -缓存的食谱详细信息

🤝 贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 按照既定模式添加MCP服务器
  4. 包括全面的文件
  5. 提交拉取请求

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

📞 支持

如有疑问和支持：

  • 检查每个服务器目录中的文档
  • 查看设置指南以进行故障排除
  • 为bug或功能请求打开问题

使用MCP编码愉快！ 🚀

相关 MCP