AI导哈

远程LLM集成MCP服务器

一个轻量级的MCP框架实现的智能代理控制服务器，通过HTTP API连接远程LLM（如OpenAI和Claude）以协调规划、分类、代码生成和异常检测等任务。

  • by cnaseeb
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 cnaseeb/mcp-remote

使用说明

具有远程LLM集成的MCP服务器

该项目使用轻量级MCP（多代理控制协议）框架实现了一个代理AI控制服务器。它将代理连接到强大的远程LLM，如OpenAI和Claude，并公开了一个HTTP API，用于协调规划、分类、代码生成和异常检测等任务。

🚀 特性

  • 基于任务类型的代理路由到LLM
  • 远程模型集成：OpenAI GPT-4、Anthropic Claude 3
  • 基于Flask的HTTP服务器(/mcp 端点）
  • 可选代理内存模块
  • 小型模块化代码库，便于定制

🧱 项目结构

mcp服务器/

  • agent_router.py#将请求路由到适当的代理/模型

  • llm_clients.py#OpenAI和Claude的API包装器

  • memory.py#可选代理内存

  • server.py#Flask MCP服务器

  • .gitignore#无视秘密

  • .env#API密钥（未提交）

  • README.md#此文件

📄 1.许可证（MIT许可证）

📄 许可证：MIT许可证——请参阅许可证文件。

🐳 2.Docker部署

创建一个📄 Dockerfile

🏃 在本地构建和运行

docker构建-t mcp服务器。 docker run-p 5000:5000--环境文件.env-mcp服务器

☁️ 3.渲染部署（免费托管选项）

  • 首选https://render.com

  • 点击“新建Web服务”

  • 连接您的GitHub仓库

  • 设置生成设置：

构建命令：pip install-r requirements.txt 启动命令：python server.py 环境：Python 3.x

  • 在“环境”选项卡中添加环境变量： OPENAI_API_KEY=您的密钥 ANTHROPIC_API_KEY=你的密钥

  • 点击部署！

4.未来的补充

  • 工具调用/函数执行

  • Redis支持的长期内存

  • 异步代理编排

  • Slack或web前端集成

🧪 安装说明

1. Clone the repo

git clone <your-repo-url>
cd mcp-server


2. Create and activate a virtual environment
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

3. Install dependencies
pip install -r requirements.txt
#If requirements.txt doesn’t exist yet, generate it with:pip freeze > requirements.txt

4. Add API keys
Create a .env file in the root directory:
OPENAI_API_KEY=your_openai_key
ANTHROPIC_API_KEY=your_claude_key


5. Running the Server
python server.py
The API will be live at http://localhost:5000/mcp

Example request (via curl):
curl -X POST http://localhost:5000/mcp \
  -H "Content-Type: application/json" \
  -d '{"input": "Plan my day", "agent": "planner"}'

🔒 .gitignore
Make sure your .gitignore includes:
venv/
.env
__pycache__/
This prevents local environments and secrets from being tracked.

To untrack venv/ if it was already committed:

git rm -r --cached venv


🙌 Credits
Built with inspiration from modern agentic architectures and the growing community around multi-agent AI systems.


---

相关 MCP