关键词

LLM工具集成CustomGPT代理管理对话式AI接口智能体自动化模型上下文服务

项目简介

CustomGPT MCP 服务器是一个基于 Model Context Protocol (MCP) 构建的后端服务，旨在为 LLM 客户端（如 Claude Code 或 Claude Web）提供一个统一的接口，以编程方式与 CustomGPT.ai 平台进行交互。它将 CustomGPT 的核心 API 封装为可供 LLM 调用的工具 (Tools)，并管理相关资源。

主要功能点

  • 智能体管理: 列出、获取详细信息、创建、更新、删除 CustomGPT 智能体，并获取智能体的统计数据和配置。
  • 对话管理: 向智能体发送消息，列出、创建、更新和删除对话，以及获取特定对话的消息历史。
  • 内容管理: 列出、删除、重新索引智能体的内容页面，管理数据来源（如站点地图），并更新页面元数据。
  • 报告与分析: 获取智能体的流量、查询、对话、整体分析及用户智能报告。
  • 用户与配置: 获取并更新用户资料，管理账户使用限制，以及获取服务器的配置信息。
  • API 密钥验证: 提供工具验证 CustomGPT API 密钥的有效性。

安装步骤

  1. 克隆仓库: 
    git clone https://github.com/Poll-The-People/customgpt-mcp.git
cd customgpt-mcp
  2. 创建并激活 Python 虚拟环境: 
    python3.11 -m venv venv
source venv/bin/activate  # Windows 用户使用：venv\Scripts\activate
    建议使用 Python 3.10 或更高版本。
  3. 安装依赖: 
    pip install -r requirements.txt
  4. 配置 API 密钥:
    • 复制 '.env.example' 文件为 '.env'：'cp .env.example .env'
    • 编辑新生成的 '.env' 文件，在其中添加您的 CustomGPT.ai API 密钥： 
      CUSTOMGPT_API_KEY=您的实际CustomGPT_API_KEY
  5. 运行服务器: 
    python server.py
    服务器将在本地启动，等待 MCP 客户端连接。

服务器配置

此 MCP 服务器设计用于与 MCP 客户端（如 Claude Code）配合使用。您需要将服务器的启动信息添加到 MCP 客户端的配置中。以下是一个示例配置信息，具体路径和环境变量请根据您的实际部署情况调整：

在您的 MCP 客户端（例如 Claude Code）的设置中，通常会有一个 'mcpServers' 的 JSON 配置区域。您可以在其中添加如下信息：

  • 服务器名称 ('"customgpt"'): 这是您在客户端中为该 MCP 服务器定义的唯一标识符，可以自定义。
  • 启动命令 ('"command"'): 运行 MCP 服务器的程序。在此项目中，通常是 '"python"'。
  • 命令参数 ('"args"'): 传递给启动命令的参数列表。在这里，它应该是 'server.py' 脚本的完整路径，例如 '"/path/to/customgpt-mcp/server.py"'。请将 '/path/to/customgpt-mcp/server.py' 替换为 'server.py' 文件的实际绝对路径。
  • 环境变量 ('"env"'): 为服务器进程设置的环境变量。例如，'"PYTHONPATH"' 应该设置为项目根目录的路径，以确保 Python 能够找到所有必要的模块。请将 '/path/to/customgpt-mcp' 替换为项目根目录的实际绝对路径。

请根据上述说明在您的 MCP 客户端中配置服务器启动信息，以建立连接。

基本使用方法

配置完成后，您的 LLM 客户端即可通过其 MCP 接口发现并调用此服务器提供的工具。例如：

  1. 验证 API 密钥: LLM 可能会首先调用 'validate_api_key' 工具来确保与 CustomGPT 平台的连接正常。
  2. 列出智能体: LLM 可以调用 'list_agents' 工具，获取您的 CustomGPT 账户下的所有智能体列表。
  3. 与智能体对话: LLM 可以调用 'send_message' 工具，指定 'project_id' 和 'message' 来与特定的 CustomGPT 智能体进行交互。
  4. 管理内容: LLM 也可以调用 'list_pages' 或 'create_source' 等工具来管理智能体的数据源和内容。

所有这些操作都将通过 MCP 客户端向此服务器发送 JSON-RPC 请求，服务器会执行相应的 CustomGPT API 调用并返回结果给客户端。

信息

分类

AI与计算

访问项目