使用说明

MCPMake

一个用于管理并运行带有LLM（大型语言模型）提取的模式的Python脚本的MCP（模型上下文协议）服务器——类似于 make，但更聪明。

特点/功能

自动模式提取使用大型语言模型（Claude Sonnet 4 或 GPT-4.1）来分析Python脚本并提取参数模式
脚本注册表存储和管理带有元数据的多个脚本
输入验证在执行前，根据JSON Schema验证参数
执行历史追踪所有脚本运行，并记录完整输出日志
环境变量每次执行时传递自定义环境变量
灵活执行自定义Python解释器、超时设置和输出截断
更新并重新分析当代码发生变化时，刷新脚本模式

安装

# Clone or navigate to the project directory
cd mcpmake

# Install in development mode
pip install -e .

配置

设置API密钥

您需要一个Anthropic或OpenAI（或两者都）的API密钥：

export ANTHROPIC_API_KEY="your-key-here"
# or
export OPENAI_API_KEY="your-key-here"

添加到MCP设置中

将服务器添加到您的MCP客户端配置中（例如，Claude Desktop）：

{
  "mcpServers": {
    "mcpmake": {
      "command": "python",
      "args": ["-m", "mcpmake.server"],
      "env": {
        "ANTHROPIC_API_KEY": "your-key-here"
      }
    }
  }
}

使用方法

1. 注册脚本

# Register a Python script with automatic schema extraction
register_script(
    name="data_processor",
    path="/path/to/script.py",
    description="Processes data files",  # optional, auto-generated if omitted
    python_path="/usr/bin/python3",      # optional
    timeout_seconds=240,                  # optional, default 240
    min_lines=1,                          # optional, default 1
    llm_provider="anthropic"              # optional, "anthropic" or "openai"
)

2. 列出脚本

list_scripts()
# Shows all registered scripts with descriptions

3. 获取脚本信息

get_script_info(name="data_processor")
# Shows detailed schema, path, recent runs, etc.

4. 运行脚本

run_script(
    name="data_processor",
    args={
        "input_file": "data.csv",
        "output_dir": "/tmp/output",
        "verbose": true
    },
    env_vars={                    # optional
        "API_KEY": "secret123"
    },
    python_path="/usr/bin/python3",  # optional, overrides default
    timeout=300,                      # optional, overrides default
    output_lines=100                  # optional, default 100
)

5. 查看运行历史

get_run_history(
    name="data_processor",  # optional, shows all scripts if omitted
    limit=10                # optional, default 10
)

6. 更新脚本模式

# Re-analyze script after code changes
update_script(
    name="data_processor",
    llm_provider="anthropic"  # optional
)

7. 删除脚本

delete_script(name="data_processor")

数据存储

MCPMake 将数据存储在 ~/.mcpmake/：

~/.mcpmake/
├── scripts.json          # Script registry and metadata
├── history.jsonl         # Execution history log
└── outputs/              # Full script outputs
    ├── script1_timestamp.log
    └── script2_timestamp.log

它是如何工作的

注册当你注册一个脚本时，MCPMake：
- 读取脚本文件
- 将其发送给一个大型语言模型（如Claude Sonnet 4或GPT-4.1）
- 提取描述脚本参数的JSON Schema
- 从文档字符串/注释中提取描述
- 存储所有内容于 scripts.json
执行当你运行一个脚本时：
- 验证您的参数是否符合存储的JSON Schema
- 检查脚本文件是否仍然存在
- 从您的输入中构建命令行参数
- 使用指定的Python解释器和环境变量运行脚本
- 捕获标准输出/标准错误，并带有超时保护
- 将完整输出保存到日志文件中
- 返回截断的输出（前N行）
- 将执行详情记录到历史中
历史所有运行记录均使用：
- 时间戳、参数、退出代码
- 执行时间
- 完整的输出文件路径
- 使用的环境变量

示例Python脚本

MCPMake 与使用以下内容的脚本配合效果最佳：

argparse

import argparse

parser = argparse.ArgumentParser(description="Process data files")
parser.add_argument("--input-file", required=True, help="Input CSV file")
parser.add_argument("--output-dir", required=True, help="Output directory")
parser.add_argument("--verbose", action="store_true", help="Verbose output")
args = parser.parse_args()

点击

import click

@click.command()
@click.option("--input-file", required=True, help="Input CSV file")
@click.option("--output-dir", required=True, help="Output directory")
@click.option("--verbose", is_flag=True, help="Verbose output")
def main(input_file, output_dir, verbose):
    pass

简单函数

def main(input_file: str, output_dir: str, verbose: bool = False):
    """
    Process data files.

    Args:
        input_file: Path to input CSV file
        output_dir: Output directory path
        verbose: Enable verbose logging
    """
    pass

要求

Python 3.10及以上版本
MCP SDK（MCP软件开发工具包）
Anthropic SDK（用于Claude）
OpenAI SDK（用于GPT）
jsonschema（JSON模式）

许可证

麻省理工学院（MIT）