AI助手与工具连接服务

MCP聊天机器人和研究工具

使用 模型上下文协议（MCP） 它连接到外部工具和资源。该项目演示了一个支持多种传输和动态工具发现的模块化客户端-服务器架构。

🚀 特性

• 模块化客户端架构：通过以下方式将聊天逻辑与连接管理分离 MCPClientManager.
• 多服务器支持：同时连接到多个MCP服务器。
• 扩大运输：支持 stdio （本地）， sse （标准托管），以及 http （现代流式HTTP）协议。
• 动态工具快捷方式:
  • @<tool_name> <args>：自动将位置参数映射到任何工具的架构。
  • @git <command> <args>GitHub操作的自然简写。
• 双操作模式:
  1. 可选工具模式：LLM智能地决定何时使用工具。
  2. 强制刀具模式：强制执行严格的研究工作流程（搜索→ 提取→ 总结）。
• 全面的MCP发现：自动列出和管理所有连接服务器上的工具、资源和提示。

🏗️ 建筑

该项目遵循 客户端主机服务器 架构：

1. 客户端/主机（聊天机器人）: mcp_chatbot.py 管理UI和LLM交互。
2. 经理: mcp_client_manager.py capsules所有会话管理、配置加载和传输处理。
3. 服务器：独立进程或远程服务（例如。， research_server.pyGitHub MCP、Fetch MCP）。
4. 沟通：使用JSON-RPC stdio, sse，或 http 如配置中所定义。

📂 项目组成部分

• mcp_chatbot.py：主界面。
• mcp_client_manager.py：服务器连接和工具路由的核心逻辑。
• research_server.py：基于本地stdio的研究服务器。
• servers.json：所有MCP服务器的中央配置。
• .github/workflows/lint.yml：用于自动linting和格式化的CI管道。

🛠️ 安装

1. 先决条件：Python 3.12+和 uv 包管理器。
2. 安装依赖项:
   复制

   uv sync
   

3. 环境设置: 创建一个 .env 文件：
   复制

   HUGGINGFACE_API_KEY=your_key_here
   GITHUB_TOKEN=your_optional_github_token
   

🏃 用法

运行聊天机器人

uv run mcp_chatbot.py

通用命令

• 工具快捷方式: @fetch https://google.com （地图到 fetch 工具）。
• Git快捷方式: @git list_commits owner=divyam1408 repo=mcp_chatbot.
• 资源快捷方式: @folders （阅读 papers://folders).
• 提示命令: /prompt generate_search_prompt topic=quantum.

🤖 CI/CD

此项目使用 拉夫 对于自动化代码质量：

• 代码检查: uvx ruff check .
• 格式化: uvx ruff format .
• 每次通过GitHub Actions推送时都会自动运行检查。