AI导哈

MCP服务器框架

MCP Hub是一个用于创建和管理模型上下文协议（MCP）服务器和客户端的框架，利用UV工具进行快速包安装和配置管理。

  • by reddy-sh
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 reddy-sh/mcp-hub

使用说明

MCP中心文件

概述

MCP Hub是一个用于创建和管理模型上下文协议（MCP）服务器和客户端的框架。它利用了 uv 用于快速安装和配置管理软件包的工具。

为什么要使用UV？

UV通过超快的命令简化了包管理和配置。学习一些命令来开始，你就可以开始了：

  • 初始化项目：
    uv init
  • 同步Python版本和依赖关系：
    uv sync

有关更多详细信息，请访问 UV GitHub存储库.

动机

要了解MCP的基础知识并开始创建MCP服务器，请参阅 MCP快速启动服务器指南.

入门指南

如何创建示例MCP服务器

  1. 创建新项目目录

    uv init XYZ
cd XYZ

  2. 设置虚拟环境

    uv venv
source .venv/bin/activate

  3. 再进行

    uv add "mcp[cli]" httpx

  4. 创建服务器文件

    touch XYZ.py

如何运行MCP服务器

要运行服务器，请使用以下命令：

uv run XYZ.py

示例：创建新的XYZ服务器

按照上述步骤创建并运行新的XYZ服务器。替换 XYZ 使用您想要的项目名称。

最近的更新

笔记本目录

这 notebooks/ 目录已添加到项目中。它包括用于设置和运行JupyterHub的配置文件和脚本。关键文件包括：

  • jupyterhub_config.py：JupyterHub的配置。
  • start_jupyterhub.sh：启动JupyterHub服务器的脚本。

CIFAR-10 数据集下载器

已在下添加新脚本 ai/computer-vision/09_datasets/ 使用TensorFlow/Keras下载CIFAR-10数据集。要使用它，请运行：

python ai/computer-vision/09_datasets/download_cifar10.py

此脚本下载数据集并打印确认消息。

AI文件夹

这 ai/ 该文件夹包含与计算机视觉和人工智能相关的各种子目录和脚本。以下是对其结构和内容的概述：

子目录和文件

01_image_处理

  • basic_manipulations.py：基本的图像处理技术。
  • blue_image.png：用于测试的样本图像。
  • hello_cv.py：演示计算机视觉基础知识的简单脚本。
  • image_representation.py：解释计算机视觉中的图像表示。
  • read_display_save.py：用于读取、显示和保存图像的脚本。
  • README.md：此子目录的文档。

02_image_预处理

  • augmentation.py：图像增强技术。
  • normalization.py：图像归一化方法。

03_特征提取

  • hog_extraction.py：提取定向梯度直方图（HOG）特征。
  • sift_surf_extraction.py：演示SIFT和SURF特征提取。

04_basic_ml_概念

  • hog_svm_classifier.py：使用HOG特征和SVM实现分类器。

05_deep_learning_cnn

  • cnn_architecture.py：定义卷积神经网络（CNN）架构。

06_图片_分类

  • train_classifier.py：训练图像分类器的脚本。

07_对象检测

  • basic_object_detection.py：演示基本的对象检测技术。

08_图像_分割

  • basic_segmentation.py：解释基本的图像分割方法。

09_数据集

  • download_cifar10.py：下载CIFAR-10数据集的脚本。

10_工具

  • image_utils.py：图像处理的实用功能。

其他文件

  • main.py：AI相关脚本的入口点。
  • pyproject.toml：项目的配置文件。
  • README.md：文件 ai/ 文件夹。
  • run.sh：执行AI相关任务的Shell脚本。
  • uv.lock：锁定依赖项的文件。

相关 MCP