关键词

AI 代理管理工具集成上下文服务LLM 扩展系统托盘应用

项目简介

MCP Suite 是一个综合性的系统托盘应用程序，它旨在通过管理一系列 Model Context Protocol (MCP) 服务器，赋能 AI 代理，使其能够无缝访问广泛的外部服务和 API。MCP Suite 旨在弥合 AI 能力与现实世界应用之间的差距，为 LLM 提供一个标准化的接口来与各种工具和平台进行交互。

该套件的目标是创建一个生态系统，使 AI 代理能够通过统一的协议轻松扩展其能力，像处理文本一样自然地访问、操作和利用外部服务。MCP Suite 致力于成为一个决定性的工具包，将 LLM 从孤立的文本处理器转变为能够数字世界中采取有意义行动的互联代理。

主要功能点

  • 系统托盘应用程序: 提供轻量级、始终可访问的界面，用于管理 MCP 服务器。
  • 服务管理: 一键激活/停用各个 MCP 服务器。
  • 认证管理: 通过统一界面简化认证工作流程。
  • Docker 集成: 透明地管理底层 Docker 基础设施。
  • Redis 状态管理: 基于 Redis 的持久化存储服务状态和配置。
  • 跨平台支持: 支持 Windows、macOS 和 Linux 操作系统。
  • MCP 服务器集合: 提供不断增长的预配置 MCP 服务器库，涵盖各种服务和平台，包括：
    • 叙事和通信工具: Midjourney, DALL-E, Stable Diffusion, Twitter, YouTube 等。
    • 组织工具: Google Workspace, Microsoft Office, Jira, Notion 等。
    • 金融工具: Bitcoin, Lightning Network 等。
    • 开发工具: AWS, GCP, Azure, Slack, Discord, Git, Debugger 等。
    • 物流工具: Google Maps, Google Places 等。

安装步骤

该仓库的 README.md 文件中 “Getting Started” 部分指示安装和设置说明将会在此处添加，但目前尚未提供详细的安装步骤。通常，Python 项目的安装步骤可能包括：

  1. 克隆仓库：从 GitHub 克隆 'mcp-suite' 仓库到本地。
  2. 安装依赖: 使用 'uv run pip install -r requirements.txt' 命令安装项目依赖。 （请注意，根据仓库 'Technology Stack' 部分，可能需要 Python 3.9+ 环境）
  3. 构建和运行: 根据后续补充的文档，可能需要构建 Docker 镜像或直接运行 Python 脚本来启动 MCP Suite 系统托盘应用程序。

请关注仓库的更新，以获取详细的安装和设置指南。

服务器配置

MCP 客户端需要配置 MCP 服务器的启动命令及其参数才能建立连接。对于 MCP Suite 中的服务，配置信息通常以 JSON 格式定义，并包含在 MCP Suite 的配置文件中。以下是一个基于 'BaseService.get_mcp_json()' 方法推断出的 FastMCP 服务器配置示例，用于配置一个名为 'BaseServiceTestable' 的 MCP 服务器：

{
  "BaseServiceTestable": {
    "command": "uv",
    "args": [
      "--directory=${MCP_ROOT_DIR}",
      "run",
      "python",
      "-m",
      "src.mcp_suite.servers.test_service_mcp_server.server.test_service"
    ]
  }
}

配置参数注释:

  • server name: 'BaseServiceTestable' - 这是服务器的名称，MCP 客户端用此名称来识别和连接服务器。
  • command: 'uv' - 用于启动服务器的命令，这里使用 'uv' 运行器（基于 'README.md' 和 'Technology Stack' 推断，实际命令可能需要参考更详细的文档）。
  • args: 启动命令的参数列表，用于配置服务器运行环境和入口点。
    • '--directory=${MCP_ROOT_DIR}': 设置工作目录为 MCP 根目录，'${MCP_ROOT_DIR}' 是一个占位符，需要 MCP 客户端替换为实际的 MCP Suite 根目录。
    • 'run': 'uv' 运行器的子命令，用于运行 Python 脚本。
    • 'python': 指定使用 Python 解释器。
    • '-m': 以模块方式运行 Python 程序。
    • 'src.mcp_suite.servers.test_service_mcp_server.server.test_service': MCP 服务器的模块路径，指向具体的服务器实现代码入口点。 '${MCP_ROOT_DIR}' 环境变量需要正确配置，以便 Python 能够找到该模块。 'test_service_mcp_server.server.test_service' 部分需要根据实际的服务类型进行调整，例如 'gmail_mcp_server.server.gmail'， 'calendar_mcp_server.server.calendar' 等。

重要提示: '${MCP_ROOT_DIR}' 环境变量和模块路径需要根据 MCP Suite 的实际部署环境和服务器类型进行调整。 更详细的服务器配置和启动方式，请参考 MCP Suite 官方文档或仓库中的 'docs' 文件夹。

基本使用方法

  1. 启动 MCP Suite: 运行 MCP Suite 系统托盘应用程序。
  2. 管理 MCP 服务器: 使用系统托盘界面激活、停用和配置各个 MCP 服务器。
  3. 配置 MCP 客户端: 在 MCP 客户端中，配置要连接的 MCP 服务器信息，包括服务器名称和启动命令（参考上述 “服务器配置” 示例）。
  4. 连接 MCP 服务器: MCP 客户端根据配置信息，与 MCP Suite 管理的 MCP 服务器建立连接。
  5. 使用 MCP 功能: 通过 MCP 客户端，利用 MCP 服务器提供的资源 (Resources)、工具 (Tools) 和 Prompt 模板 (Prompts) 功能，增强 LLM 应用的能力。

注意事项

  • MCP Suite 作为一个系统托盘应用程序，可能需要在后台运行以管理 MCP 服务器。
  • 详细的服务器配置、账户管理和工具调用方法，请参考 MCP Suite 的官方文档和各个 MCP 服务器的特定说明。
  • 关键词: 强调 MCP Suite 的核心功能和应用场景，避免使用过于宽泛或无意义的关键词。

信息

分类

开发者工具

访问项目