easy-mcp

项目概览

MCP 服务 + OpenAI Agent。

配置环境

1. 创建并激活虚拟环境：

   • 运行提供的 setup.sh 脚本，使用 Python 3.13 创建虚拟环境。

     ./setup.sh
     

   • 该脚本会创建虚拟环境，并从 requirements.txt 安装所有必需的 Python 软件包。

2. 安装项目依赖：

   • 请确保已准备好运行所需 MCP 服务的必要外部工具和服务：
     • Lynx：lynx 服务所需，该服务通过 Lynx 终端网页搜索工具进行交互。
     • Docker：puppeteer 和 github 服务所需，分别用于控制 Chrome 和与 GitHub 交互。
     • Node.js：fs 服务所需，该服务使用 npx 命令。

使用指南

运行 agent.py

基本执行

• 你可以像这样使用 servers.yaml 中配置的所有服务来运行 Agent

  python agent.py
  

• 你可以选择 Agent 可使用的服务：

  # gives agent access to file system (for local file browsing) and lynx (for websearch)
  python agent.py --servers fs lynx
  

  根据我的经验，这样做效果更好，因为 Agent 不太容易选错工具

• 调试模式：

  • 使用 --debug 标志初始化服务，但不执行 Agent。如果你想确认服务配置正确，这会很有用

    python agent.py --debug
    

配置

服务配置在 servers.yaml 中，其中每个服务条目都包括：

• 名称：服务的标识符。
• 描述：对服务功能的简要说明。
• 命令和参数：用于启动服务的命令行指令。
• 环境变量：所需的其他环境配置。

通常可以在 MCP 服务的 GitHub 仓库中找到这些信息

自行构建

你可以在 mcp-servers 目录中自行构建 MCP 服务

我可以用它做什么？

查找链接

如果我想了解如何完成某件事（例如设置 QEMU），通常会先用 agent.py 为我进行初步调研

"find links relevant to QEMU setup on ubuntu" | python agent.py --servers lynx

MCP 说明……

高层概述

主机：想要使用 MCP 的程序（桌面应用、IDE、AI 工具） 客户端：与服务保持一对一连接的客户端 服务：提供 MCP 功能的服务