mcpField
M
mcp-server-for-local

mcp-server-for-local

本地服务
github.com/pengqiulei其他1481 周前更新

关于 mcp-server-for-local

mcp-server-for-local 是面向本地部署的 MCP 代理服务器及客户端,提供天气、搜索、摄像头、图片生成和对话能力。其模块化结构支持扩展工具与 API。

主要功能

  1. 01查询全球天气信息
  2. 02使用 Google 搜索网页
  3. 03调用摄像头拍摄与分析
  4. 04通过 ComfyUI 生成图片
  5. 05基于 DashScope 进行多轮对话
  6. 06扩展工具并集成 API

适用场景

  1. 01查询目的地天气以规划出行
  2. 02搜索互联网资料
  3. 03拍摄图像或分析微表情
  4. 04根据文本生成图片

MCP 相关

项目包含 MCP 代理服务器和客户端,可将工具能力提供给 MCP 客户端。README 展示了通过客户端连接代理服务器的用法。

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

来自项目 README

MCP Server for Local

一个基于 MCP (Multi-Component Platform) 的本地代理服务器和客户端实现,提供多种 AI 工具调用能力。

功能特点

核心功能
  • 天气查询:实时获取全球任意位置的天气信息,支持温度、湿度、风速等详细数据
  • 谷歌搜索:智能检索互联网信息,支持多语言和高级搜索语法
  • 摄像头控制:支持拍照、视频流和微表情分析,可用于情绪识别
  • 图片生成:集成 ComfyUI,支持文本到图像的 AI 生成
  • 智能对话:基于 DashScope 的 AI 对话能力,支持上下文理解和多轮对话
技术特性
  • 跨平台支持(Windows 和 Linux)
  • 模块化设计,易于扩展新功能
  • 完整的日志系统,便于调试和监控
  • 支持自定义工具和 API 集成
  • 高性能并发处理能力

环境配置

系统要求
  • Python 3.8+
  • Node.js (可选,用于运行 JavaScript 服务器)
  • Chrome 浏览器(用于谷歌搜索功能)
  • 摄像头(用于拍照功能)
  • 至少 4GB 内存
  • 支持 CUDA 的显卡(可选,用于加速 AI 计算)
安装步骤
  1. 克隆仓库:
git clone https://github.com/yourusername/mcp-server-for-local.git
cd mcp-server-for-local
  1. 创建并激活虚拟环境:
# Windows
python -m venv .venv
.venv\Scripts\activate

# Linux
python3 -m venv .venv
source .venv/bin/activate
  1. 安装依赖:
# 使用 uv 安装依赖
uv pip install -r requirements.txt

# 如果遇到网络问题,可以使用国内镜像
uv pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
  1. 配置环境变量:
# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件,设置你的配置
环境变量配置

编辑 .env 文件,设置以下配置:

  • DASHSCOPE_API_KEY: DashScope API 密钥(必填)
  • MODEL: 使用的模型名称(默认:qwen-max)
  • CONFIG_FILE: 服务器配置文件路径
  • GAODE_API_KEY: 高德地图 API 密钥(用于天气查询)
  • CHROME_PATH: Chrome 浏览器路径
  • CHROMEDRIVER_PATH: ChromeDriver 路径
  • BASE_URL: ComfyUI 服务器地址
  • SERVERS_DIR: 服务器脚本目录
  • LOG_LEVEL: 日志级别(可选:DEBUG, INFO, WARNING, ERROR)

使用方法

基本使用
  1. 进入项目目录:
cd src/mcp
  1. 运行客户端:
uv run .\client\mcp_client.py .\proxy\proxy_server.py
  1. 在客户端中输入命令,例如:
  • "北京的天气怎么样?"
  • "在谷歌上搜索 Python 教程"
  • "拍照"
  • "生成一张猫的图片"
高级功能
  1. 自定义工具:

    • 在 src/mcp/tools 目录下添加新的工具类
    • 实现必要的接口方法
    • 在配置文件中注册新工具
  2. API 扩展:

    • 支持添加新的 API 服务
    • 可配置 API 密钥和端点
    • 支持自定义请求和响应处理
  3. 日志管理:

    • 支持多级别日志记录
    • 可配置日志输出位置
    • 支持日志轮转和归档

常见问题

安装问题
  1. 依赖安装失败:
# 尝试清理缓存后重新安装
uv pip cache purge
uv pip install -r requirements.txt
  1. 虚拟环境问题:
# 如果激活失败,尝试重新创建虚拟环境
rm -rf .venv
python -m venv .venv
运行问题
  1. 权限问题:
# Linux
chmod +x src/mcp/proxy/proxy_server.py
chmod +x src/mcp/client/mcp_client.py
  1. Chrome 相关问题:
  • 确保 Chrome 和 ChromeDriver 版本匹配
  • 检查 Chrome 路径是否正确
  • 确保有足够的权限运行 Chrome
  • 如果遇到驱动问题,可以手动下载对应版本的 ChromeDriver
  1. API 密钥问题:
  • 检查 .env 文件中的 API 密钥是否正确
  • 确保 API 密钥有足够的配额
  • 检查网络连接是否正常

开发指南

项目结构
src/mcp/
├── client/          # 客户端代码
├── proxy/           # 代理服务器代码
├── tools/           # 工具实现
├── utils/           # 工具函数
└── config/          # 配置文件
添加新功能
  1. 在 tools 目录下创建新的工具类
  2. 实现必要的接口方法
  3. 在配置文件中注册新工具
  4. 编写测试用例
  5. 更新文档

贡献指南

欢迎提交 Issue 和 Pull Request!在提交之前,请确保:

  1. 代码符合项目规范
  2. 添加了必要的测试
  3. 更新了相关文档
  4. 通过了所有测试

许可证

MIT License

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。