关键词

AIAgent上下文模型资源管理AI工具调用文生图ModelScope

项目简介

ModelScope MCP 服务器提供对ModelScope平台（魔搭社区）AI资源和服务的直接访问能力。它作为一个Model Context Protocol (MCP) 服务器，允许LLM（大型语言模型）客户端通过标准化的JSON-RPC协议，以结构化的方式调用各种AI功能，例如AI内容生成、资源查询和获取上下文信息。这使得AI智能体和聊天机器人能够直接利用ModelScope丰富的生态系统。

主要功能点

  • AI图像生成: 支持文生图（Text-to-Image）和图生图（Image-to-Image）功能，利用ModelScope的AIGC模型生成图片。
  • 资源发现: 轻松搜索和发现ModelScope上的各种AI资源，包括：
    • 模型: 查找不同任务类别的AI模型。
    • 数据集: 搜索各种领域的数据集。
    • AI应用（创空间）: 发现并了解ModelScope上的AI应用程序。
    • 研究论文: 检索相关的AI研究论文。
    • MCP服务器: 查找ModelScope平台上托管的其他MCP服务器。
  • 资源详情: 获取特定模型、数据集、创空间、论文或MCP服务器的全面详细信息。
  • 上下文信息: 访问当前操作环境和认证用户信息，例如您的ModelScope用户账户信息和服务器的运行时详情。

安装步骤

  1. 克隆仓库: 打开您的终端或命令行工具，执行以下命令克隆项目代码： 
    git clone https://https://github.com/modelscope/modelscope-mcp-server.git
cd modelscope-mcp-server
  2. 安装依赖: 项目使用 'uv' 包管理器进行依赖管理，您可以通过以下命令同步依赖： 
    uv sync
    如果您没有安装 'uv'，也可以使用 'pip' 进行安装： 
    pip install -e .
  3. 获取API令牌: 访问 魔搭社区官网，登录您的账户。然后导航到 [个人中心] → [访问令牌] 页面，创建并获取您的ModelScope API令牌。此令牌是ModelScope MCP服务器访问ModelScope API的必要凭证。
  4. 配置API令牌: 将您的ModelScope API令牌设置为环境变量 'MODELSCOPE_API_TOKEN'。您可以选择以下两种方式之一：
    • 命令行设置（临时）: 
      export MODELSCOPE_API_TOKEN="您的API令牌"
    • 创建 '.env' 文件（推荐）: 在项目根目录（即 'modelscope-mcp-server' 文件夹内）创建一个名为 '.env' 的文件，并添加以下内容： 
      MODELSCOPE_API_TOKEN="您的API令牌"

服务器配置

该ModelScope MCP服务器旨在与兼容Model Context Protocol (MCP) 的LLM客户端配合使用。您需要将以下JSON配置添加到您的MCP客户端配置文件中（例如Cherry Studio、Claude Desktop、Cursor或VS Code的MCP配置文件）。

  • 使用本地安装的服务器（Stdio 传输）:

    {
  "mcpServers": {
    "modelscope-mcp-server": {
      "command": "uvx",
      "args": ["modelscope-mcp-server"],
      "env": {
        "MODELSCOPE_API_TOKEN": "您的API令牌"
      }
    }
  }
}

    参数说明:

    • 'modelscope-mcp-server': 这是您为该MCP服务器在客户端中定义的唯一名称。
    • 'command': 启动MCP服务器的命令。'uvx' 是 'uv' 包管理器提供的一个命令执行器，用于执行 Python 包。
    • 'args': 传递给 'command' 的参数，这里指定要运行的Python包名称 'modelscope-mcp-server'。
    • 'env': 环境变量配置。在此处设置 'MODELSCOPE_API_TOKEN' 确保服务器可以正确访问ModelScope API。

  • 使用预构建的Docker镜像:

    {
  "mcpServers": {
    "modelscope-mcp-server": {
      "command": "docker",
      "args": [
        "run", "--rm", "-i",
        "-e", "MODELSCOPE_API_TOKEN",
        "ghcr.io/modelscope/modelscope-mcp-server"
      ],
      "env": {
        "MODELSCOPE_API_TOKEN": "您的API令牌"
      }
    }
  }
}

    参数说明:

    • 'command': 启动Docker容器的命令。
    • 'args': 传递给Docker命令的参数，用于运行 'ghcr.io/modelscope/modelscope-mcp-server' 镜像，并传递API令牌作为环境变量。

  • 使用HTTP/SSE 传输模式（需先手动启动服务器）: 如果您希望通过HTTP或SSE协议连接MCP服务器（例如用于Web集成），首先需要手动启动服务器：

    uv run modelscope-mcp-server --transport http --port 8000
# 或者
uv run modelscope-mcp-server --transport sse --port 8000

    然后，在您的MCP客户端配置文件中添加以下配置：

    {
  "mcpServers": {
    "modelscope-mcp-server": {
      "url": "http://127.0.0.1:8000/mcp/"
    }
  }
}

    参数说明:

    • 'url': 指定MCP服务器的URL地址。请确保端口与您启动服务器时指定的端口一致。

基本使用方法

配置完成后，您的LLM客户端即可通过对话或工具调用界面，利用ModelScope MCP服务器提供的强大功能。

例如，您可以尝试以下对话来触发服务器的功能：

  • 图像生成:
    • “请帮我生成一张描绘山水风景的图片。”
    • “将这张图片（[提供图片URL]）转换为卡通风格。”
  • 模型搜索:
    • “帮我搜索一下ModelScope上关于DeepSeek的文本生成模型。”
    • “查找支持推理的图像生成模型。”
  • 数据集查询:
    • “有没有关于金融领域的数据集？”
    • “ModelScope上下载量最多的数据集有哪些？”
  • 获取用户信息:
    • “我的ModelScope用户信息是什么？”
  • 搜索AI应用:
    • “ModelScope上有什么关于语音（TTS）的AI应用？”

LLM会根据您的对话内容，自动识别并调用ModelScope MCP服务器中相应的工具来完成您的请求。

信息

分类

AI与计算

访问项目