LLM上下文数据存储服务

无效MCP服务器

该项目提供了一个模型上下文协议（MCP）服务器，用于存储和检索LLM上下文数据。它与 run_local.py 用于运行轻量级的Hugging Face模型 app.py 用于简单的Streamlit UI。

快速开始

1. 安装必备组件

   • Node.js和npm
   • Python 3.11
   • PostgreSQL（确保服务正在运行）

2. 安装依赖项

   复制

   npm install          # Node packages
   pip install -r requirements.txt
   

3. 配置数据库

   创建一个 .env 在项目根目录中创建文件，并至少设置以下变量：

   复制

   DATABASE_HOST=localhost
   DATABASE_PORT=5432
   DATABASE_NAME=llm_context_db
   DATABASE_USER=your_db_user
   DATABASE_PASSWORD=your_db_password  # must be a string
   PORT=3000
   JWT_SECRET=change-me-in-production-min-32-chars
   

   如果 DATABASE_PASSWORD 如果缺少，您将看到错误： SASL: SCRAM-SERVER-FIRST-MESSAGE: client password must be a string.

4. 构建服务器

   复制

   npm run build
   

5. 运行一切

   复制

   python start.py
   

   MCP API将在 http://localhost:3000 本地模型服务器位于 http://localhost:8000.按 Ctrl+C 阻止他们。

6. 可选：启动Streamlit界面

   复制

   streamlit run app.py
   

开发技巧

• 使用运行测试 pytest 和 npm test.

• 仅使用以下命令启动本地模型 python run_local.py --model sshleifer/tiny-gpt2 --port 8000.

• 格式和线头 pre-commit run --all-files.

• setup.sh 如果需要，提供交互式数据库设置。

• 安装依赖项

  • 节点： npm install
  • python pip install -r requirements.txt

• 构建: npm run build

• 测试: npm test 对于Node， pytest 对于Python

• 运行本地模型: python run_local.py --model sshleifer/tiny-gpt2 --port 8000

• 流线型UI: streamlit run app.py

一键开始

要一步启动MCP服务器和本地模型服务器，请运行：

python start.py

这 start.py 脚本是跨平台的，可以安装任何缺失的节点和 Python依赖关系，必要时构建TypeScript服务器，然后启动 MCP服务器与本地模型服务器并排。在类Unix系统上，你可以 也使用 ./start.sh.

该脚本安装缺少的节点依赖关系，在需要时构建服务器，然后在本地模型服务器旁边启动MCP服务。连接细节打印在终端上，便于与IDE和工具集成。

IDE集成

要将IDE的上下文功能连接到MCP服务器，请提供如下配置文件 ide_config.json 指向 start.py 在这个存储库中。

替换 /path/to/Void-MCP-Server/start.py 使用系统上的绝对路径：

{
  "context_servers": {
    "my-mcp-server": {
      "command": {
        "path": "python",
        "args": [
          "/path/to/Void-MCP-Server/start.py"
        ],
        "env": {}
      },
      "settings": {}
    }
  }
}

跑 python start.py --help 对于可用选项，例如 --model, --port，以及 --model-port 以定制服务器。