mcpField
🦅
🦅 Saqr-MCP

🦅 Saqr-MCP

本地服务
github.com/ahmedhassan456AI 与智能体272 周前更新

关于 🦅 Saqr-MCP

Saqr-MCP 是一款 Python MCP 应用,可交互使用 Ollama 本地模型或 Groq 云端模型。其服务端提供网页搜索、文档生成、记忆管理和会话推理记录工具。

主要功能

  1. 01支持 Ollama 与 Groq 模型
  2. 02Tavily 网页搜索
  3. 03从 Markdown 生成 Word 文档
  4. 04mem0 记忆存储与搜索
  5. 05会话思路记录与统计

适用场景

  1. 01搜索最新网页信息
  2. 02根据 Markdown 创建 Word 文件
  3. 03按类型保存和检索记忆
  4. 04记录并回顾会话中的推理

MCP 相关

应用包含适用于 Ollama 或 Groq 的 MCP 客户端,以及提供搜索、文档、记忆和推理工具的 MCP 服务。

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

🦅 Saqr-MCP

Python Version License UV Package Manager

Saqr-MCP 是一个功能强大的 Python 应用程序,通过实现模型上下文协议(MCP)来提供高级 AI 助手能力。它支持通过 Ollama 使用本地模型,也支持通过 Groq 使用云端模型,并提供灵活的客户端-服务端架构。服务端组件提供丰富的工具集,包括网络搜索、记忆管理、文档生成和高级推理能力。

image

✨ 功能

  • 🤖 用于查询模型的交互式聊天界面
  • 🔄 支持本地模型(Ollama)和云端模型(Groq)
  • 🔍 使用 Tavily API 实现高级网络搜索功能
  • 📝 根据 Markdown 内容生成 Word 文档
  • 🧠 使用 mem0 实现全面的记忆管理系统
  • 💭 高级推理和思维过程跟踪
  • ⚡ 异步架构,实现高效处理
  • 🎨 视觉加载动画,提升用户体验
  • 📊 基于会话的思维记录和分析
  • 📄 支持 Markdown 的文档生成

📋 前置条件

  • 🐍 Python 3.11 或更高版本
  • 🦙 已安装 Ollama 和本地模型(用于使用本地模型)
  • 📦 UV 包管理器(推荐)

🚀 安装

  1. 克隆此仓库:

    git clone https://github.com/ahmedhassan456/Saqr-MCP.git
    cd saqr-mcp
    
  2. 创建并激活虚拟环境(可选,但推荐):

    uv venv
    # On Windows
    .venv\Scripts\activate
    # On Unix or MacOS
    source venv/bin/activate
    
  3. 安装依赖:

    uv add -r requirements.txt
    
  4. 设置环境变量:

    • 将 .env.example 复制为 .env
    • 配置以下变量:
      • 🔑 MODEL_NAME:首选的 Ollama 模型(例如,qwen3:1.7b)
      • 🔍 TAVILY_API_KEY:从 Tavily 网站获取的 Tavily API 密钥
      • ⚡ GROQ_MODEL_NAME:首选的 Groq 模型名称
      • 🔐 GROQ_API_KEY:从 Groq 网站获取的 Groq API 密钥
      • 🧠 MEM0_API_KEY:从 Mem0 网站获取的 Mem0 API 密钥

💻 使用方法

  1. 使用本地模型时,请确保 Ollama 正在运行,并且已提供所选模型

  2. 配置客户端:

    • 默认情况下,应用使用 Ollama 客户端(from src.ollama_client import SaqrMCPClient)
    • 若要改用 Groq,请修改 main.py,使用 from src.groq_client import SaqrMCPClient
  3. 运行客户端:

    python main.py
    
  4. 在交互式控制台中输入查询:

    MCP Client Started!
    Type your queries or 'quit' to exit.
    
    Query:
    
  5. 输入 quit 退出应用程序

📁 项目结构

  • 📄 main.py - 启动 MCP 客户端的入口文件
  • 📂 src/
    • 🔄 ollama_client.py - Ollama 模型的 MCP 客户端实现
    • ⚡ groq_client.py - Groq 模型的 MCP 客户端实现
    • 🛠️ server.py - 实现所有工具的 MCP 服务
    • 📝 logger.py - 带有视觉动画的自定义日志工具

🛠️ 可用工具

该服务实现了一套全面的工具,可提供各种功能:

🔍 网络搜索和文档生成
  • web_search:使用 Tavily API 执行实时网络搜索,获取最新信息
  • word_file_generator:根据 Markdown 内容创建格式规范的 Microsoft Word 文档
🧠 记忆管理
  • add_memory:将指定类型和内容的新记忆存储到 mem0
  • get_all_memories:检索所有已存储的记忆,可按类型筛选
  • search_memories:对已存储的记忆进行语义搜索,以查找相关信息
💭 推理与思考过程
  • think:记录复杂问题解决过程中的想法和推理过程
  • get_thoughts:获取当前会话中记录的所有想法
  • clear_thoughts:清除当前会话中记录的所有想法
  • get_thought_stats:提供已记录想法的详细统计信息

⚙️ 环境变量

变量描述默认值
🔑 OLLAMA_MODEL_NAME要使用的 Ollama 模型名称(例如,qwen3:1.7b)无
🔍 TAVILY_API_KEY用于网页搜索功能的 Tavily API 密钥无
⚡ GROQ_MODEL_NAME要使用的 Groq 模型名称无
🔐 GROQ_API_KEY用于访问云端模型的 Groq API 密钥无
🧠 MEM0_API_KEY用于内存管理的 Mem0 API 密钥无

📦 依赖项

  • 🔄 mcp[cli] - Model Context Protocol 实现
  • 🌐 httpx - 用于 Python 的 HTTP 客户端
  • 📝 loguru - 简化 Python 日志记录
  • ⚡ groq - Groq API 客户端
  • 🦙 ollama - 用于访问本地模型的 Ollama 接口
  • 🔍 tavily-python - 专为 AI Agent 设计的搜索引擎
  • 🚀 fastapi - 用于构建 API 的 Web 框架
  • ⚡ uvicorn - ASGI 服务实现
  • 📄 htmldocx - HTML 转 DOCX 转换器
  • 🔍 duckduckgo-search - 搜索引擎集成
  • 📄 python-docx - DOCX 文件处理
  • 📝 markdown - Markdown 处理
  • 🧠 mem0 - 内存管理系统

📄 许可证

MIT

🤝 贡献

欢迎贡献!欢迎提交 Pull Request。

  1. 🍴 Fork 此仓库
  2. 🌿 创建功能分支(git checkout -b feature/amazing-feature)
  3. 💾 提交更改(git commit -m 'Add some amazing feature')
  4. 📤 将分支推送到远程仓库(git push origin feature/amazing-feature)
  5. 🔄 发起 Pull Request

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。