使用说明
🚀 MCP Hub-多LLM工具集成平台
一种现代的、独立的架构,用于将多个LLM提供者与MCP(模型上下文协议)工具和资源集成在一起。
📁 项目结构
此存储库包含两个单独的项目:
🔧 mcp集线器核心 (后端API)
- 快速API 支持多LLM的后端
- MCP工具执行 用于数据库、文件系统和内存操作
- 双向通信 支持实时通信
- 安全的API密钥管理 加密
- SQLite数据库 整合
🎨 mcp集线器ui (前端反应)
- 反应 带有Material UI的前端
- 实时聊天 与AI接口
- 工具管理 和执行接口
- 文件内容预览工具 用于数据库和文件
- 响应式设计 适用于所有设备
🚀 快速开始
1.后端设置
cd mcp-hub-core
# Create virtual environment
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
# Install dependencies
pip install -r requirements.txt
# Setup environment
cp env.example .env
# Edit .env with your API keys
# Initialize database
python -c "from app.core.database import init_db; init_db()"
# Start the API server
python main.py
2.前端设置
cd mcp-hub-ui
# Install dependencies
npm install
# Setup environment
cp env.example .env
# Edit .env with your API URL
# Start development server
npm start
3.访问应用程序
- 前端: http://localhost:3000
- 后端API: http://localhost:8000
- API文件: http://localhost:8000/api/docs
🎯 特性
🤖 多LLM支持
- OpenAI GPT -GPT-4、GPT-3.5涡轮增压
- 谷歌双子座 -Gemini Pro,Gemini Pro Vision
- Anthropic Claude -第三条十四行诗,俳句,作品
🔧 MCP工具
- 数据库操作 -SQL查询、表管理
- 文件系统 -读取、写入、列出文件和目录
- 存储器 -存储和检索信息
- 实时执行 -通过聊天界面执行工具
💬 聊天界面
- 实时AI对话 使用WebSocket
- 工具集成 -AI可以自动使用工具
- 消息历史记录 和毅力
- 打字指示器 以及状态更新
📊 仪表盘
- 系统概述 和统计
- 工具和资源计数
- 健康监测 和状态
- 快速操作 和导航
🔒 安全
- 加密的API密钥存储 使用主密码
- 环境变量 支持
- CORS配置 用于跨来源请求
- 输入验证 和消毒
🏗️ 建筑
┌─────────────────┐ ┌─────────────────┐
│ mcp-hub-ui │◄──►│ mcp-hub-core │
│ (React) │ │ (FastAPI) │
│ Port: 3000 │ │ Port: 8000 │
└─────────────────┘ └─────────────────┘
沟通
- REST API 用于数据操作
- 双向通信 用于实时聊天
- 环境变量 用于配置
- 跨域资源共享 正确配置
📚 文档
后端(mcp集线器核心)
- API 参考: http://localhost:8000/api/docs
- ReDoc: http://localhost:8000/api/redoc
- 自述文件:
mcp-hub-core/README.md
前端(mcp-hub-ui)
- 组件文档:内置React文档
- 自述文件:
mcp-hub-ui/README.md
实用模块
- CRUD生成器:已移至新
utility存储库位于../utility/spring-boot-crud-generator
🔧 配置
API密钥
在中设置API密钥 mcp-hub-core/.env:
OPENAI_API_KEY=your_openai_key_here
GOOGLE_API_KEY=your_google_key_here
ANTHROPIC_API_KEY=your_anthropic_key_here
环境变量
- 后端:
mcp-hub-core/env.example - 前端:
mcp-hub-ui/env.example
🚀 部署
发展
# Backend
cd mcp-hub-core && python main.py
# Frontend
cd mcp-hub-ui && npm start
生产
# Backend
cd mcp-hub-core
pip install -r requirements.txt
gunicorn main:app -w 4 -k uvicorn.workers.UvicornWorker
# Frontend
cd mcp-hub-ui
npm run build
npx serve -s build
码头工人
# Backend
docker build -t mcp-hub-core ./mcp-hub-core
docker run -p 8000:8000 mcp-hub-core
# Frontend
docker build -t mcp-hub-ui ./mcp-hub-ui
docker run -p 3000:3000 mcp-hub-ui
🎯 分离的好处
- ✅ 独立部署 -分别部署前端/后端
- ✅ 技术灵活性 -使用不同的技术栈
- ✅ 团队可扩展性 -不同的团队可以在每个项目上工作
- ✅ 性能优化 -独立优化每项服务
- ✅ 更容易维护 -重点调试和更新
🆘 支持
- 后端问题:检查
mcp-hub-core/README.md - 前端问题:检查
mcp-hub-ui/README.md - API 文档: http://localhost:8000/api/docs
- GitHub问题:在各自的存储库中创建问题
📄 许可证
MIT许可证-有关详细信息,请参阅许可证文件
🎉 MCP Hub-现代多LLM工具集成平台
已准备好进行开发、部署和扩展! 🚀