使用说明

项目简介

human-mcp 是一个独特的 MCP 服务器实现，它将人类操作员视为一组工具提供给 AI 助手。通过这个服务器，AI 助手可以调用“human_eye_tool”、“human_hand_tool”、“human_mouth_tool”等工具，实际上是请求人类操作员执行相应的任务，并将结果反馈给 AI 助手。这是一个概念验证项目，旨在演示 MCP 协议的灵活性和扩展性，以及人机协作的可能性。

主要功能点

MCP 协议兼容性: 作为一个 MCP 服务器，它遵循 MCP 协议规范，能够接收和响应来自 MCP 客户端的请求。
人类工具集成: 提供了一系列以人类感官和操作命名的工具，例如 'human_eye_tool' (人眼工具), 'human_hand_tool' (人手工具), 'human_mouth_tool' (人嘴工具) 等，每个工具代表请求人类执行特定类型的任务。
任务管理界面: 通过 Streamlit 应用程序提供了一个用户友好的界面，用于展示 AI 助手请求的任务，并允许人类操作员输入任务结果。
基于 SQLite 的任务队列: 使用 SQLite 数据库来管理待处理的任务，确保任务的持久性和可靠处理。
异步任务处理: 使用异步机制处理任务，MCP 服务器能够高效地等待人类操作员在 Streamlit 界面上的响应。

安装步骤

克隆仓库:

git clone https://github.com/upamune/human-mcp.git
cd human-mcp

创建并激活虚拟环境:

uv venv
source .venv/bin/activate

安装依赖:
```
uv pip install .
```

服务器配置

要将 'human-mcp' 服务器配置为 MCP 客户端的工具，您需要提供以下 JSON 配置信息。这个配置告诉 MCP 客户端如何启动和连接到 'human-mcp' 服务器。

{
  "human-mcp": {
    "command": "uv",
    "args": [
      "run",
      "--with",
      "mcp[cli]",
      "mcp",
      "run",
      "$PATH_TO_REPOSITORY/human_mcp/mcp_server.py"
    ]
  }
}

配置参数说明:

'"human-mcp"': 工具的名称，在 MCP 客户端配置中用于标识和调用此工具。
'"command": "uv"': 启动服务器的命令，这里使用 'uv run' 来运行 Python 脚本。'uv' 是一个快速的 Python 包安装和运行工具，确保环境中已安装 'uv'。
'"args"': 传递给 'uv run' 命令的参数列表。
- '"run"': 'uv' 的子命令，用于运行指定的 Python 脚本。
- '"--with"': 'mcp[cli]' 允许使用 'mcp' 命令行工具以及相关的库。
- '"mcp"': 指定使用 'mcp' 模块。
- '"run"': 'mcp' 模块的 'run' 命令，用于启动 MCP 服务器。
- '"$PATH_TO_REPOSITORY/human_mcp/mcp_server.py"': MCP 服务器脚本的路径。请将 '$PATH_TO_REPOSITORY' 替换为 'human-mcp' 仓库在您本地文件系统中的实际路径。

基本使用方法

启动 MCP 服务器: MCP 客户端会根据上述配置自动启动 'human-mcp' 服务器。或者您也可以手动在终端中运行配置中指定的命令来启动服务器。
启动 Streamlit UI: 在 新的终端窗口 中，导航到 'human-mcp' 仓库目录，并运行以下命令以启动 Streamlit 用户界面：
```
task run-streamlit
```
Streamlit UI 将在浏览器中打开，通常地址为 'http://localhost:8501'。
配置 MCP 客户端: 在您的 MCP 客户端（例如 Claude Desktop）中，配置上述 JSON 代码块，确保 '"command"' 和 '"args"' 中的路径正确指向 'human_mcp/mcp_server.py' 脚本。
从 MCP 客户端调用工具: 现在，您可以从 MCP 客户端向 'human-mcp' 服务器发送工具调用请求。例如，如果您想使用 'human_eye_tool'，可以构造一个包含工具名称和参数的 MCP 请求。
在 Streamlit UI 上查看和响应任务: 当 MCP 服务器接收到工具调用请求后，任务将显示在 Streamlit UI 上。人类操作员可以在 UI 上查看任务描述 (指示)，执行相应的 "人类任务"，并在输入框中填写结果。点击 “応答を送信” 按钮提交结果。
MCP 客户端接收响应: 一旦人类操作员在 Streamlit UI 上提交了响应，'human-mcp' 服务器会将结果封装成 MCP 响应，发送回 MCP 客户端。

通过以上步骤，您就成功地将人类操作员作为 MCP 工具集成到了 AI 助手的工作流程中。

关键词