mcpField
M
mcp_llm_inferencer

mcp_llm_inferencer

本地服务
github.com/Sumedh1599AI 与智能体078 周前更新

关于 mcp_llm_inferencer

mcp_llm_inferencer 是一个开源库,调用 Claude 或 OpenAI API,将提示词映射输入转为 MCP 服务端组件。它支持流式输出、结果验证和结构化组件打包。

主要功能

  1. 01支持 Claude 和 OpenAI API
  2. 02重试与回退逻辑
  3. 03Claude Desktop 流式输出
  4. 04工具与资源验证
  5. 05结构化组件打包

适用场景

  1. 01根据提示词生成 MCP 工具
  2. 02创建资源模板
  3. 03构建提示词处理器
  4. 04流式获取组件生成结果

MCP 相关

它用于生成 MCP 服务端组件,包括工具、资源模板和提示词处理器;资料未将其描述为 MCP 服务端本身。

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_llm_inferencer

简介

mcp_llm_inferencer 是一个开源库,旨在利用 Claude 和 OpenAI 的 GPT 等大模型,将映射到提示词的输入转换为 MCP 服务的具体组件。这些组件包括工具、资源模板和提示词处理器,使其成为适用于 MCP 服务环境的开发者的多功能工具。

特性

  • 大模型调用引擎:通过内置的重试和回退逻辑高效调用大模型,确保响应可靠。
  • Claude 和 OpenAI 可互换支持:根据偏好或可用性,在 Claude 和 OpenAI API 之间无缝切换。
  • 支持 Claude Desktop 流式传输:直接从 Claude Desktop 流式传输响应,提供实时反馈。
  • 工具和资源响应验证:确保生成的工具和资源符合预定义标准后再部署。
  • 结构化输出打包:按组件将输出整理成结构化包,简化集成和使用。

安装说明

前置条件
  • Python 3.6 或更高版本
  • Claude 或 OpenAI 的 API 密钥
安装 mcp_llm_inferencer
  1. 克隆代码库:

    git clone https://github.com/your-repo/mcp_llm_inferencer.git
    cd mcp_llm_inferencer
    
  2. 使用 pip 安装软件包:

    pip install .
    
  3. 将 API 密钥设置为环境变量:

    • 对于 Claude:
      export CLAUDE_API_KEY='your-claude-api-key'
      
    • 对于 OpenAI:
      export OPENAI_API_KEY='your-openai-api-key'
      

使用示例

基础示例

以下简单示例演示如何通过 OpenAI API 使用 mcp_llm_inferencer:

from mcp_llm_inferencer import MCPInferencer

# Initialize the inferencer with OpenAI API
inferencer = MCPInferencer(api_type='openai')

# Define your prompt
prompt = "Generate a tool to extract emails from text."

# Generate components
components = inferencer.generate_components(prompt)

print(components)
使用 Claude 的高级示例

此示例展示如何通过 Claude API 使用该库并处理流式响应:

from mcp_llm_inferencer import MCPInferencer

# Initialize the inferencer with Claude API
inferencer = MCPInferencer(api_type='claude', stream=True)

# Define your prompt
prompt = "Create a resource template for an S3 bucket."

# Generate components with streaming support
for component in inferencer.generate_components(prompt):
    print(component)

API 文档

类:MCPInferencer
初始化
MCPInferencer(api_type, api_key=None, stream=False)
  • api_type (str):要使用的大模型 API 类型('claude' 或 'openai')。
  • api_key (str, optional):指定大模型的 API 密钥。如果未提供,将尝试从环境变量中读取。
  • stream (bool, optional):启用对 Claude Desktop 流式传输的支持。
方法
  • generate_components(prompt)
    • 根据给定的提示词生成 MCP 服务组件。
    • prompt (str):要发送给大模型的输入提示词。
    • 返回:包含生成组件的字典或字典流。
方法使用示例
components = inferencer.generate_components("Generate a tool for sentiment analysis.")

许可证

mcp_llm_inferencer 采用 MIT 许可证发布。详情请参阅 LICENSE 文件。


欢迎通过在我们的 GitHub 代码库中提交问题或拉取请求,为 mcp_llm_inferencer 作出贡献。

⚠️ 开发状态

该库目前处于早期开发阶段。部分测试可能会因以下问题而失败:

欢迎贡献力量来修复这些问题!如果你有解决方案,请提交拉取请求。

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。