mcpField
M
MCP-X Agent 🤿 🤖

MCP-X Agent 🤿 🤖

远程服务
mcp-x.comAI 与智能体14152 周前更新

关于 MCP-X Agent 🤿 🤖

MCP-X Agent 是一款开源的 MCP 主机桌面应用,可连接支持函数调用的各类大模型,并对接多种 MCP 服务。它面向希望在本地统一管理模型、工具与知识库的用户。

主要功能

  1. 01支持 ChatGPT、Anthropic、Ollama 等模型
  2. 02通过 stdio 与 SSE 方式连接 MCP 服务
  3. 03知识库文档上传、搜索与聊天引用
  4. 04AI Agent 侧边栏,按类别管理专用 Agent
  5. 05多语言界面与多组 API 密钥切换

适用场景

  1. 01在桌面端统一配置多个大模型与 MCP 服务
  2. 02将本地文档加入知识库,让 AI 基于资料回答
  3. 03通过 fetch 等 MCP 服务获取网页内容

MCP 相关

MCP-X 是 MCP 客户端,可通过 stdio 或 SSE 配置并连接外部 MCP 服务,并将其工具提供给所连接的大模型。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址YOUR_SSE_SERVER_URL
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

MCP-X Agent 🤿 🤖

English | 中文

GitHub stars GitHub forks GitHub watchers GitHub repo size GitHub language count GitHub top language GitHub last commit

MCP-X 是一款开源的 MCP Host 桌面应用,可与任何支持函数调用功能的大模型无缝集成。✨

MCP-X 演示

使用场景 🎯

AI Agent

MCP-X 擅长 Agent,并通过强大的 AI Agent 理解各种类型的内容。以下是一个食品内容 Agent 的示例:

食品分析示例

展示的主要功能:

  • 🍽️ 食品内容分析:详细解析菜品、食材和营养信息
  • 🎯 定向推荐:根据用户偏好提供个性化建议
  • 📊 结构化输出:信息组织清晰,分类明确
  • 💬 交互式聊天:对话自然流畅,回答全面

非常适合:

  • 美食博主和内容创作者
  • 营养师和健康专业人士
  • 餐厅经营者和厨师
  • 任何对食品分析和推荐感兴趣的人

这展示了 MCP-X 如何将简单的查询转化为涵盖多个领域的详细、可执行见解。

最新动态

我们刚刚推出了重大更新,以改善使用体验:

📚 全新知识库功能(v0.1.0)

MCP-X 现已支持强大的知识库管理功能!

  • 知识管理:上传、查看、搜索和删除知识文档(支持 txt、md、json、csv、xml、html 格式)
  • 智能搜索:按文件名和内容进行全文搜索,并高亮显示匹配结果
  • 聊天引用:在聊天中一键引用知识库文档,AI 可根据知识库内容作答
  • 文档预览:实时预览文档内容并显示文件元数据
  • 响应式设计:完美适配桌面和移动设备
🚀 AI Agent 系统

MCP-X 是一个功能齐全的 AI Agent 平台。

  • 全新 Agent 侧边栏:发现、管理和搜索专用 AI Agent。
  • 一键对话:立即与任意 Agent 对话,处理当前任务。
  • Agent 资料:查看每个 Agent 的能力、技能详情和使用示例。
  • 为你整理:Agent 按内容创作、数据分析和编程等类别整理。
🎨 焕然一新的外观

我们重新设计了应用,使其更加简洁直观。

  • 全新侧边导航:常驻侧边栏让你可以快速访问聊天、Agent、知识库、工具、模型和系统设置。
  • 更清晰的图标:导航图标现在带有文字标签,让你准确了解各项功能的位置。
  • 统一的设计:我们统一了配色方案和布局,使整体观感更加精致。

此次更新还采用了更专业的图标集(react-icons),并进行了多项底层 CSS 和组件优化,以提升性能。

功能 🎯

  • 🌐 通用大模型支持:兼容 ChatGPT、Anthropic、Ollama 和兼容 OpenAI 的模型
  • 💻 跨平台:支持 Windows、MacOS 和 Linux
  • 📚 知识库管理:上传、搜索和引用知识文档,让 AI 根据你的资料作答
  • 🔄 模型上下文协议:支持 stdio 和 SSE 模式,实现 MCP AI Agent 无缝集成
  • 🤖 AI Agent 系统:提供丰富的专业 AI Agent,满足各种领域需求
  • 🌍 多语言支持:支持繁体中文、简体中文和英语、西班牙语,更多语言即将推出
  • ⚙️ 高级 API 管理:支持多个 API 密钥和模型切换
  • 💡 自定义指令:通过个性化系统提示词,定制 AI 行为
  • 🔄 自动更新机制:自动检查并安装最新的应用更新

下载和安装 ⬇️

获取最新版本的 MCP-X: 下载

Windows 用户:🪟

  • 下载 .exe 版本
  • 已预装 Python 和 Node.js 环境

MacOS 用户:🍎

  • 下载 .dmg 版本
  • 需要自行安装 Python 和 Node.js(含 npx uvx)环境
  • 按照安装提示完成设置

Linux 用户:🐧

  • 下载 .AppImage 版本
  • 需要自行安装 Python 和 Node.js(含 npx uvx)环境
  • Ubuntu/Debian 用户:
    • 可能需要添加 --no-sandbox 参数
    • 或修改系统设置以允许沙盒运行
    • 运行 chmod +x,使 AppImage 文件可执行

MCP 使用提示

系统默认附带一个 echo MCP Server,你的大模型可以通过 MCP 使用更强大的工具。以下介绍如何开始使用两款适合新手的工具:Fetch 和 Youtube-dl。

快速设置

将此 JSON 配置添加到 MCP-X 的 MCP 设置中,即可启用这两款工具:

 "mcpServers":{
    "fetch": {
      "command": "uvx",
      "args": [
        "mcp-server-fetch",
        "--ignore-robots-txt"
      ],
      "enabled": true
    },
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/allowed/files"
      ],
      "enabled": true
    },
    "youtubedl": {
      "command": "npx",
      "args": [
        "@kevinwatt/yt-dlp-mcp"
      ],
      "enabled": true
    }
  }
使用 SSE 服务连接 MCP

你也可以通过 SSE(服务器发送事件)连接外部 MCP 服务。将此配置添加到 MCP-X 的 MCP 设置中:

{
  "mcpServers": {
    "MCP_SERVER_NAME": {
      "enabled": true,
      "transport": "sse",
      "url": "YOUR_SSE_SERVER_URL"
    }
  }
}
yt-dlp-mcp 的额外设置

yt-dlp-mcp 需要 yt-dlp 软件包。请根据你的操作系统安装:

Windows
winget install yt-dlp
MacOS
brew install yt-dlp
Linux
pip install yt-dlp

使用指南 📖

如何使用知识库:
  1. 添加文档:点击侧边栏中的“知识库” → 上传支持的文件格式(txt、md、json、csv、xml、html)
  2. 搜索文档:在知识库页面使用搜索框,支持按文件名和内容搜索
  3. 引用文档:在聊天中点击知识库按钮(📚)→ 搜索并选择文档 → 自动插入引用
  4. 管理文档:预览、删除文档,查看详细信息和元数据

更多详情请参阅 CHANGELOG.md。

构建 🛠️

更多详情请参阅 BUILD.md。

联系我们 🌐

  • 💬 加入我们的主页
  • 🐦 在 RedNote 上关注我们
  • ⭐ 在 GitHub 上为我们点亮 Star
  • 🐛 在我们的问题跟踪器中报告问题

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。