使用说明

mcp-server-llmling（这个词汇组合在中文中没有直接对应的翻译，因为它看起来像是一个特定项目或系统名称的一部分，可能包含技术或专业术语。但我们可以尝试将其拆解并翻译其可能的含义部分）：可以大致翻译为“MCP服务器-LLM模型语言处理（或类似技术/功能）”，不过具体翻译还需根据该词汇组合在实际应用中的具体含义来确定。如果这是一个特定项目或系统的名称，建议保留原样或根据官方翻译进行调整

LLMling 服务器手册

概述

mcp-server-llmling 是一个用于机器聊天协议（MCP）的服务器，它为大型语言模型（LLM）应用提供了一个基于YAML的配置系统。

LLMLing（注：此词可能为特定上下文或品牌名，直接翻译为“LLM语言处理”或保持原样，具体含义需结合上下文确定）后端为大型语言模型（LLM）应用提供了一个基于YAML的配置系统。它允许设置自定义MCP服务器，以提供在YAML文件中定义的内容。

静态声明在YAML中定义你的大型语言模型（LLM）环境——无需编写代码
MCP协议基于机器聊天协议（MCP）构建，实现标准化的大型语言模型（LLM）交互
组件类型：
- 资源内容提供者（文件、文本、CLI输出等）
- 提示带参数的消息模板
- 工具LLM 可调用的 Python 函数

YAML配置创建了一个完整的环境，为大型语言模型（LLM）提供：

通过资源访问内容
结构化提示以实现一致的交互
扩展功能的工具

关键特性

1. 资源管理

加载和管理不同类型的资源：
- 文本文件（PathResource）
- 原始文本内容（TextResource)
- CLI 命令输出（CLIResource)
- Python源代码（SourceResource)
- Python 可调用结果（CallableResource）
- 图像（ImageResource）
支持资源监视/热重载
资源处理流水线
基于URI的资源访问

2. 工具系统

将Python函数注册并作为大型语言模型（LLM）工具执行
支持基于OpenAPI的工具
基于入口点的工具发现
工具验证和参数检查
结构化的工具响应

3. 提示管理

带有模板支持的静态提示
来自Python函数的动态提示
基于文件的提示
即时参数验证
提示参数的完成建议

4. 多种运输方式选择

基于标准I/O的通信（默认）
服务器发送事件（SSE）/适用于网页客户端的可流式HTTP
支持自定义传输实现

使用方法

使用Zed编辑器

将LLMLing添加为您的（系统/应用）中的上下文服务器 settings.json：

{
  "context_servers": {
    "llmling": {
      "command": {
        "env": {},
        "label": "llmling",
        "path": "uvx",
        "args": [
          "mcp-server-llmling",
          "start",
          "path/to/your/config.yml"
        ]
      },
      "settings": {}
    }
  }
}

使用 Claude Desktop

在您的环境中配置LLMLing claude_desktop_config.json：

{
  "mcpServers": {
    "llmling": {
      "command": "uvx",
      "args": [
        "mcp-server-llmling",
        "start",
        "path/to/your/config.yml"
      ],
      "env": {}
    }
  }
}

手动启动服务器

直接从命令行启动服务器：

# Latest version
uvx mcp-server-llmling@latest

1. 程序化使用

from llmling import RuntimeConfig
from mcp_server_llmling import LLMLingServer

async def main() -> None:
    async with RuntimeConfig.open(config) as runtime:
        server = LLMLingServer(runtime, enable_injection=True)
        await server.start()

asyncio.run(main())

2. 使用自定义传输

from llmling import RuntimeConfig
from mcp_server_llmling import LLMLingServer

async def main() -> None:
    async with RuntimeConfig.open(config) as runtime:
        server = LLMLingServer(
            config,
            transport="sse",
            transport_options={
                "host": "localhost",
                "port": 3001,
                "cors_origins": ["http://localhost:3000"]
            }
        )
        await server.start()

asyncio.run(main())

3. 资源配置

resources:
  python_code:
    type: path
    path: "./src/**/*.py"
    watch:
      enabled: true
      patterns:
        - "*.py"
        - "!**/__pycache__/**"

  api_docs:
    type: text
    content: |
      API Documentation
      ================
      ...

4. 工具配置

tools:
  analyze_code:
    import_path: "mymodule.tools.analyze_code"
    description: "Analyze Python code structure"

toolsets:
  api:
    type: openapi
    spec: "https://api.example.com/openapi.json"

[!TIP]（提示）对于OpenAPI模式，您可以安装 Redocly 命令行界面 (CLI) 在使用LLMLing之前，需要对OpenAPI规范进行打包和解析。这有助于确保您的模式引用得到正确解析，并且规范格式正确。如果已安装redocly，它将自动被使用。

服务器配置

服务器通过包含以下部分的YAML文件进行配置：

global_settings:
  timeout: 30
  max_retries: 3
  log_level: "INFO"
  requirements: []
  pip_index_url: null
  extra_paths: []

resources:
  # Resource definitions...

tools:
  # Tool definitions...

toolsets:
  # Toolset definitions...

prompts:
  # Prompt definitions...

MCP协议

服务器实现了支持以下功能的MCP协议：

资源运营
- 列出可用资源
- 读取资源内容
- 留意资源变化
工具操作
- 列出可用工具
- 执行带有参数的工具
- 获取工具模式（或工具架构）
即时操作
- 列出可用的提示
- 获取格式化提示
- 获取提示参数的完成建议
通知
- 资源变化
- 工具/提示列表更新
- 进度更新
- 日志消息