mcpField
M
MCP Server AI Chrome Extension

MCP Server AI Chrome Extension

本地服务
github.com/shettysaish20开发工具080 周前更新

关于 MCP Server AI Chrome Extension

MCP Server AI Chrome Extension 将 Chrome 弹出窗口与 Flask 后端结合,用于计算遵循 BODMAS 规则的数学表达式。浏览器用户可在扩展中输入表达式并查看结果。

主要功能

  1. 01按 BODMAS 优先级计算表达式
  2. 02从 Chrome 弹出窗口提交表达式
  3. 03在扩展中显示计算结果
  4. 04通过 Flask API 处理输入

适用场景

  1. 01在 Chrome 中计算多步运算表达式
  2. 02通过浏览器弹出窗口核对含括号的算式

MCP 相关

Flask 后端被描述为 MCP 服务,并通过 API 接收 Chrome Extension 的请求。README 未说明 MCP 工具或协议传输方式。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

MCP Server AI Chrome Extension

一款轻量级 AI 驱动的 Chrome Extension,连接到基于 Flask 的 MCP Server,让用户可以直接在浏览器中执行**复杂的 BODMAS(括号、乘方、除法、乘法、加法、减法)**运算。


✨ 功能

  • 📚 按照完整的 BODMAS 运算顺序求解复杂的数学表达式。
  • ⚡ 通过后端 AI MCP 服务即时实时计算。
  • 🧠 服务端使用决策和记忆模块处理用户输入。
  • 🌐 简洁清爽的 Chrome Extension 界面。
  • 🔌 Chrome Extension 与 Flask API 服务端之间通信便捷。

🏗️ 项目结构

MCP-Server-V3/
│
├── flask-api/
│   ├── action.py           # Handles mathematical operations
│   ├── decision.py         # Decides actions based on parsed user input
│   ├── memory.py           # Maintains session memory and history
│   ├── mcp_server.py       # Main Flask server running the API
│   ├── mcp_client.py       # Client utilities (if needed)
│   ├── models.py           # Defines data models for input/output
│   ├── perception.py       # Parses and understands user queries
│   └── requirements.txt    # Python dependencies
│
├── chrome-extension/
│   ├── manifest.json       # Chrome extension manifest
│   ├── popup.html          # Extension popup frontend
│   ├── popup.js            # JS logic to interact with backend server
│
├── requirements.txt        # Top-level requirements
│
└── README.md               # 📄 (You are here!)

🚀 工作原理

  1. 用户交互:

    • 用户打开 Chrome Extension 弹出窗口。
    • 输入一个数学表达式(例如,5 * (3 + 2) - 4 / 2)。
  2. Chrome Extension(前端):

    • 捕获用户输入。
    • 向 Flask MCP Server API 发送 POST 请求。
  3. Flask API(后端服务端):

    • 通过 perception.py 解析输入。
    • 使用 decision.py 和 action.py 计算正确的 BODMAS 结果。
    • 将最终输出返回给 Chrome Extension。
  4. 显示结果:

    • Extension 接收响应。
    • 在弹出窗口中向用户显示计算结果。

🛠️ 安装指南

1. 设置 MCP Server
# Clone the repo
git clone https://github.com/shettysaish20/MCP-Server-V3.git
cd MCP-Server-V3/flask-api

# Install Python dependencies
pip install -r requirements.txt

# Run the server
python mcp_client.py

默认情况下,服务运行在:http://localhost:5000/


2. 设置 Chrome Extension
  • 在 Chrome 中打开 chrome://extensions/。
  • 启用开发者模式。
  • 点击加载已解压的扩展程序并选择 chrome-extension/ 文件夹。
  • Extension 将显示在浏览器工具栏中。

3. 使用方法
  • 点击 MCP Extension 图标。
  • 输入基于 BODMAS 的数学问题。
  • 即时查看计算结果!

📦 依赖项

  • 后端(Python):

    • Flask
    • Flask-Cors

    (所有后端库均列在 requirements.txt 中。)

  • 前端(Extension):

    • 纯 JavaScript + HTML/CSS(无外部库)。

🚀 运行效果

Extension 运行效果


📄 许可证

MIT License。
欢迎随意修改、扩展和改进!


👨‍💻 作者

由 Saish Shetty 倾心打造 ❤️


评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。